[논문]비산먼지 측정 정확도 개선을 위한 시뮬레이션 초음파 다중 산란 알고리즘 검증

우욱용; 최하진

doi:10.11112/jksmi.2020.24.6.119

비산먼지 측정 정확도 개선을 위한 시뮬레이션 초음파 다중 산란 알고리즘 검증
Evaluation of Ultrasonic Multiple Scattering Method to Improve the Accuracy of Fine Dust Measurement 원문보기

한국구조물진단유지관리공학회 논문집 = Journal of the Korea Institute for Structural Maintenance and Inspection, v.24 no.6, 2020년, pp.119 - 128

우욱용 (숭실대학교) , 최하진 (숭실대학교, 건축학부)

초록
AI-Helper

본 연구에서는 구조물 유지관리에서의 정확한 미세먼지 농도 계측을 위한 새로운 알고리즘을 제안하고 검증한다. 기존 광산란법 미세먼지 측정기의 측정 오차를 보완하기 위해 초음파 다중 산란 알고리즘을 제안하였으며, 산란자의 배치와 산란 반경을 구현하기 위해 표준입자 및 실제 미세먼지의 SEM 촬영을 진행하였다, 초음파 다중 산란 이론식을 통해 초음파 신호의 주파수별 감쇠율과 산란 반경으로 미세먼지의 개수밀도를 나타내는 알고리즘을 도출하였고, 이론식과 수치해석을 통해 총 12가지의 미세먼지 형상에 대한 산란 반경을 도출하였다. 유한차분법을 기반으로 다중 산란 이론을 적용한 2-D 시간 이력 해석을 통하여 알고리즘을 검증하였으며, 신호 해석을 위한 신호 처리 기법을 나타내었다. 결과, 산란 반경에 해당하는 알고리즘의 오차는 개수밀도 단위 최소 19(1%), 최대 3455(52%)로 계산되었다. 산란반경 외에 실제 미세먼지 형상에 대한 부피를 반영하여야 하는 추후 연구가 필요함을 토의하였다.

Abstract ▼ AI-Helper

An ultrasonic multiple scattering simulation using cross-section of fine dust particles were proposed. These days, along with awareness of air pollution, social interest in fine dust is increasing. In the construction field, awareness of fine dust is increasing, and research on preparing various countermeasures is underway. The light scattering method fine dust meter currently in use is affected by environmental factors such as relative humidity, and reliability problems in terms of accuracy are continuously reported. However, the transmission of ultrasonic waves can directly reflect the physical change of the medium based on the mechanical wave. Using these advantages of ultrasonic waves, fine dust measurement simulation was performed using the scattering cross section and ultrasonic multiple scattering theory. The shape data of the fine dust particles were collected using a SEM (Scanning Electron Microscope), and a cross-section according to the fine dust particles was derived through numerical analysis. As a result of signal processing, the error for the number density corresponding to each cross-section is minimum 19, maximum 3455.

주제어

표/그림 (15)

그림 Fig. 1 scattering cross section
표 Table 1 Main components of fine dust
그림 Fig. 2 Multiple scattering schematic
그림 Fig. 3 Ensemble average schematic
그림 Fig. 4 Scatterer extraction process
그림 Fig. 5 Cross section theory conceptual diagram
표 Table 2 ZEISS GEMINI 300 performance
그림 Fig. 6 Fine dust shape data used for numerical analysis
표 Table 3 Cross section at 5MHz
그림 Fig. 7 Simulation modeling
그림 Fig. 8 Example of output signal
표 Table 4 numerical simulation details
그림 Fig. 9 B-scan images
그림 Fig. 10 Derived attenuation
$Table 5 Results of simulation (Volume fraction : 1%)$ 표 Table 5 Results of simulation (Volume fraction : 1%)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 건설 현장 및 구조물 유지관리에서의 보다 정확한 미세먼지 측정 및 관리를 위해 초음파 다중산란 이론을 적용한 미세먼지 측정 시뮬레이션을 모델링하였다. 산란자의 배치와 산란 반경의 구현을 위해 표준입자의 SEM이미지를 모델링했다.
본 연구에서는 산란자의 배치와 산란 반경을 구현하기 위해 표준입자 및 미세먼지 SEM 촬영을 진행했다. 사용된 전자현미경은 ZEISS GEMINI 300이며, 산란자의 표면 정보 획득이 가능한 2차 전자(Secondary electron)촬영을 수행하였다.
이를 초음파 다중산란이론이 적용된 시뮬레이션 공간에 모델링했다. 이에 시뮬레이션 결과를 기반으로 초음파 다중산란 이론을 적용한 미세먼지 측정 시뮬레이션의 정확성을 검증하고자 한다.

가설 설정

광산란법을 기반으로 하는 간이 미세먼지 측정기는 미세먼지의 개수농도를 질량농도로 변환할 때, 입자의 부피를 완전한 구로 가정한다. 미세먼지 입자는 모양과 밀도가 균일한 구체로 가정하며, 입자의 부피 는 식 (2)와 같이 나타낼 수 있다.
미세먼지는 구성하고 있는 성분의 종류와 그 성분의 비율에 따라 전체 밀도가 달라지지만, 간이 미세먼지 측정기에서 측정된 데이터를 기반으로 개수농도에서 질량농도로 변환할 때 입자들의 밀도는 1.6^으로 가정한다(Park et al 2014). 개수농도를 질량농도로 변환하기 위해 가정된 입자들의 밀도는 2010년 수도권 대기오염집중측정소에서 측정한 데이터를 기반으로 한다.
산란 반경 및 다중 산란 시뮬레이션에 사용한 변수 설정은 Table 4과 같다. 시뮬레이션 공간에 배치된 표준입자의 부피비는 1%로 가정했으며, 표준입자는 random 함수를 통해 시뮬레이션 공간에 배치됐다. 시뮬레이션 모델링에 대한 정보와 해석 과정을 Fig.

제안 방법

(2) 개수밀도 측정에 있어 사용된 초음파 다중 산란 기법을 검증하기 위하여 SEM과 시뮬레이션을 통한 실제 미세먼지 입자의 산란반경을 도출하였다. 결과, 표준입자 모형과 최대 ×^^의 오차를 나타내었다.
수치해석을 통한 산란 반경 도출 과정은 다음과 같다. 1) 미세먼지가 없는 모델(bare medium field)과 하나의 미세먼지가 존재하는 모델(far-field)을 선정하여 각각 파동 전달 시뮬레이션을 진행한다. 2) 하나의 미세먼지를 기준으로 far-field에 원형으로 배치된 센서를 통해 산란에 대한 각도 함수를 도출한다.
2) SEM 촬영 시 전자빔에 의해 시료 표면에 하전입자가 누적되어 발생하는 이미지의 왜곡을 방지하기 위해 전도성 코팅이 필요하다. 3) 마그네트론 스퍼터를 통해 표준입자에 전도성 코팅을 한 뒤 진공상태에서 촬영을 진행한다. 촬영은 기본전압 5kV를 기준으로 가속전압의 값을 조절하여 진행했다.
감쇠율은 가진한 신호의 에너지 대비 계측한 신호의 에너지의 감소를 의미한다. 감쇠율은 주파수 도메인에서 분석하며, ^의 신호를 고속 퓨리에 변환(FFT; Fast Fourier Transform)을 사용하여 주파수 도메인으로 변환하여 분석한다. 주파수 도메인의 신호를 f()라고 할 때, 첫 번째 센서에서의 신호를 f(_), n번째 센서에서의 신호를 f(_)으로 나타낸다.
흡입부를 통해 유입된 공기의 부피를 산정하고, 측정부로 특정 사이즈의 입자가 포함된 공기를 유입 시켜 개수농도를 측정한다. 개수농도와 가정된 입자의 부피와 밀도를 사용하여 질량농도를 도출한다. 도출된 질량농도는 1 차적으로 입자의 부피에 따른 오차율과 가정에 근거한 밀도에 의해서 최종 계측된 질량농도에 오차가 발생하게 된다.
산란자의 배치와 산란 반경의 구현을 위해 표준입자의 SEM이미지를 모델링했다. 도출된 산란 반경과 초음파 다중산란 이론을 적용한 유한차분법 시간 이력 해석을 통해 산란반경이 미세먼지 개수밀도에 미치는 영향을 검증하였다. 본 연구의 결론은 다음과 같다.
2) 하나의 미세먼지를 기준으로 far-field에 원형으로 배치된 센서를 통해 산란에 대한 각도 함수를 도출한다. 도출된 함수를 바탕으로 전체 각도에 대해 적분하여 미세먼지 1개에 대한 산란 반경(scattering cross-section)을 구한다. 3) 앞선 과정을 다른 미세먼지 형상에 대하여 반복하고 산란 반경에 대한 데이터를 구축한다.
원형 객체인 산란자를 검출하기 위해 검출하고자 하는 산란자의 반지름이 필요하다. 따라서 이미지 상에서 거리를 측정하여 산란자의 반지름 범위(30-40pixel)를 도출했다. 검출할 원형 객체의 반지름을 알고 있을 때 원의 경계에서 검출된 edge 위치로부터 특정 반지름을 가진 원을 그리게 된다.
본 연구에서는 습도와 같은 환경적 요소로 인한 계측 값의 오차를 개선하기 위해 매질의 물리적 변화를 직접적으로 반영할 수 있는 기계적 파동에 근거한 초음파 전달 및 산란을 적용하였다. 적용한 초음파의 주파수는 5MHz이며 파장은 68.
본 연구에서는 표준입자에 대한 SEM(Scanning Electron Microscope) 이미지를 이용한 실험적 검증을 통해 산란자의 크기 및 배치와 산란반경을 도출했다. 이를 초음파 다중산란이론이 적용된 시뮬레이션 공간에 모델링했다.
표준입자 및 미세먼지 SEM 촬영을 진행했다. 사용된 전자현미경은 ZEISS GEMINI 300이며, 산란자의 표면 정보 획득이 가능한 2차 전자(Secondary electron)촬영을 수행하였다. SEM 촬영을 위한 전처리 과정은 다음과 같다.
산란자의 배치를 시뮬레이션 공간에 구현하기 위해 SEM 이미지에서 산란자의 추출을 진행했다. 산란자의 추출은 다음과 같은 과정으로 진행됐다.
산란자의 배치와 산란 반경의 구현을 위해 표준입자의 SEM이미지를 모델링했다. 도출된 산란 반경과 초음파 다중산란 이론을 적용한 유한차분법 시간 이력 해석을 통해 산란반경이 미세먼지 개수밀도에 미치는 영향을 검증하였다.
이 과정에서 평면파가 표준입자를 통과함에 따라 산란되는 파동을 확인할수 있다. 시뮬레이션 계산 시간을 향상시키고자, GPU를 활성화하여 진행했다. Matlabe NVIDIA CUDA를 지원하여 GPU 를 활성화할 수 있다.
때문에 형태에 제한이 존재한다. 실제 형상에 맞는 산란반경을 도출하기 위해 SEM 이미지로 구축된 미세먼지 입자의 기하학적 반경 데이터를 바탕으로 실제 형상에 맞는 산란반경을 도출했다.
이론식과 수치해석을 이용하여 산란자의 산란 반경을 도출하였다. Fig.
제한적인 공간으로 모델링된 초음파 파동에 대한 시뮬레이션은 반사파가 발생되어 해석에 어려움이 있다. 이를 극복하기 위해 전달되는 파동을 흡수하는 층(Perfectly Matched Layer, PML)을 시뮬레이션 공간 둘레에 배치했으며, 감쇠계수는 2 로 설정하였다. 시뮬레이션 시간 간격은 0.
및 배치와 산란반경을 도출했다. 이를 초음파 다중산란이론이 적용된 시뮬레이션 공간에 모델링했다. 이에 시뮬레이션 결과를 기반으로 초음파 다중산란 이론을 적용한 미세먼지 측정 시뮬레이션의 정확성을 검증하고자 한다.
유효매질은 산란자의 영향을 받아 파동의 에너지가 감쇠되는 구간을 말한다. 초음파 다중산란을 통해 발생한 유효매질에서의 감쇠를 계측하여 미세먼지의 개수밀도를 예측한다.
표준입자의 형상과 초음파 다중 산란 이론을 적용한 미세먼지 농도 측정 시뮬레이션의 정확성을 검증하기 위해서 감쇠율과 평균 자유 경로를 도출했다. 감쇠율은 식 (6)과 같이 선형 최소자승법(linear least square fit)을 사용하여 도출했다.
과정은 다음과 같다. 흡입부를 통해 유입된 공기의 부피를 산정하고, 측정부로 특정 사이즈의 입자가 포함된 공기를 유입 시켜 개수농도를 측정한다. 개수농도와 가정된 입자의 부피와 밀도를 사용하여 질량농도를 도출한다.

대상 데이터

057)은 원형 산란자의 형태를 나타내기 위해 설정했다. 가진 신호는 1MHz에서 20MHz로 주파수가 증가하는 Chirp 신호를 사용했으며, 파동의 전달은 평면파(plane wave)로 설정했다. 각각의 방위각으로 퍼지는 신호를 계측하기 위해 시뮬레이션 중심으로부터 37.
가진 신호는 1MHz에서 20MHz로 주파수가 증가하는 Chirp 신호를 사용했으며, 파동의 전달은 평면파(plane wave)로 설정했다. 각각의 방위각으로 퍼지는 신호를 계측하기 위해 시뮬레이션 중심으로부터 37.05의 반지름을 가진 원형의 센서를 배치했으며, 센서의 개수는 총 3676 개이다. 시뮬레이션 모델링에 대한 정보는 Fig.
6^으로 가정한다(Park et al 2014). 개수농도를 질량농도로 변환하기 위해 가정된 입자들의 밀도는 2010년 수도권 대기오염집중측정소에서 측정한 데이터를 기반으로 한다. 측정된 구성 성분의 질량농도는 황산암모늄 9.
4는 산란자 추출 과정을 나타낸다. 모델링을 위해 산란자 추출에 필요한 이미지 크기 (1024x686)를 사용했다. 원형 객체인 산란자를 추출하기 위해 원형 허브 변환(CHT; Circle Hough Transform)을 사용했다.
본 연구에서는 2.5의 직경을 가진 미세먼지 표준입자 (NIST; National Institute of Standard and Technology polymer microspheres)를 모델로 사용하였다. 표준입자는 미세먼지측정기에 정확한 입자 크기에 대한 교정을 제공할 수 있도록 일정한 직경의 입자들로 구성되어있다.
6은 수치해석에 사용된 미세먼지 형상 데이터를 나타낸다. 수치해석에 사용된 미세먼지 형상은 평균 반지름이 1인 표준입자(Standard particle), 타원형 입자(Ellipse particle), 입자두 개가 합쳐진 형태의 입자(Two circle particle), SEM을 통해구축된 4 종류의 실제 미세먼지 입자(SEM particle)로 구성되어 있다. 표준입자를 제외한 입자들의 경우 회전한 형태로총 11종류의 형상데이터를 사용하였다.
시뮬레이션의 결과로 22500개의 센서로부터 계측된 신호 분석을 수행했다. Fig.
개수농도를 질량농도로 변환하기 위해 가정된 입자들의 밀도는 2010년 수도권 대기오염집중측정소에서 측정한 데이터를 기반으로 한다. 측정된 구성 성분의 질량농도는 황산암모늄 9.7^, 질산암모늄 6.4^, 유기탄소와 원소탄소는 각각 3.9^, 1.5^이며, 토양유추성분(CM) 5.0^, 미량유해성중금속(TM) 0.1^이다(NIER; National Institute of Environmental Research 2011). 화학 성분을 이용한 밀도는 각 구성 성분의 밀도(^)를 원소별 질량()으로 곱한 이후 모든 원소의 질량 합으로 나누어 나타낼 수 있다.
수치해석에 사용된 미세먼지 형상은 평균 반지름이 1인 표준입자(Standard particle), 타원형 입자(Ellipse particle), 입자두 개가 합쳐진 형태의 입자(Two circle particle), SEM을 통해구축된 4 종류의 실제 미세먼지 입자(SEM particle)로 구성되어 있다. 표준입자를 제외한 입자들의 경우 회전한 형태로총 11종류의 형상데이터를 사용하였다. grid의 개수 (1500, 1500) 및 간격(dx, dy : 0.

이론/모형

평균 자유 경로를 도출했다. 감쇠율은 식 (6)과 같이 선형 최소자승법(linear least square fit)을 사용하여 도출했다. 평균 자유 경로는 식 (4)와 같이 감쇠율의 역수로 정의된다.
광산란법은 450, 550, 700nm의 파장을 가진 전자기파를 입사시키고, 입자의 크기(2.5~10)에 의하여 산란되는 미산란(Mie scattering)을 이용한다(Choi et al., 2018; Lee, 2019). 미 산란의 경우, 입자의 크기가 파장보다 크기 때문에 입자의 형태에 따라서 산란반경에 영향을 미친다.
본 연구에서는 초음파의 다중산란이론을 적용하였다. 초음파 다중 산란은 초음파 가진원과 산란자 간의 탄성파동을 의미한다.
불규칙 적인 신호를 최소화 하며, 공기 중 미세먼지의 농도를 대변하는 연속적인 파동(coherent wave)을 도출하기 위해 평균합산(ensemble average)의 개념을 이용한다. 위치 좌표 x에서 수신한 신호를 라고 할 때, Fig.
시뮬레이션은 유한차분법을 기반으로 2-D 시간이력 해석을 수행하였다. 해석은 Matlab 기반 k-wave toolbox를 사용했다.
모델링을 위해 산란자 추출에 필요한 이미지 크기 (1024x686)를 사용했다. 원형 객체인 산란자를 추출하기 위해 원형 허브 변환(CHT; Circle Hough Transform)을 사용했다. 원형 허브 변환은 이미지의 밝기가 급격하게 변하는 원의 경계 지점(edge)과 검출할 원의 반지름을 이용하여 원형 객체를 추출한다.
유한차분법을 기반으로 초음파 다중산란 이론을 적용하여 2-D 시간이력 해석을 수행했다. 해석은 Matlab기반 k-wave toolbox를 사용했다.
위와 같은 과정을 반복하여 원형 객체를 검출하였다. 이미지 모델링은 Matlab을 기반으로 이루어졌으며, 원형 객체를 검출하는 구문인 ‘imfinecircles’를 사용했다. 총 해석 시간은 2.
해석은 Matlab 기반 k-wave toolbox를 사용했다. Fig.
해석은 Matlab 기반 k-wave toolbox를 사용했다. Fig.

성능/효과

(3) 초음파 다중산란 이론을 적용한 2-D 시간 이력 시뮬레이션 결과, 미세먼지 형상에 따라서 개수밀도 단위 최소 19(1%), 최대 -3445(52%)의 오차를 보이는 것으로 나타났다. 다양한 미세먼지 입자 형상의 반영으로 인해 정확도 편차가 크게 나타났다.
각 산란 반경에 해당하는 개수밀도에 대한 오차는 최소 19(1%), 최대 3455(52%)로 계산되었으며, 평균 72.5%의 정확도를 보인다.
입자의 산란반경을 도출하였다. 결과, 표준입자 모형과 최대 ×^^의 오차를 나타내었다. 추후 산란반경 외에 실제 미세먼지 형상에 대한 부피를 반영으로 미세먼지 측정 알고리즘에서 부피의 가정 값에 대한 오차를 개선할 수 있음을 확인하였다.
5~10)에 의해 레일리 산란 (Rayleigh scattering)이 발생한다. 본 연구에서 사용되는 주파수의 파장 대비 입자의 직경은 상대적으로 작기 때문에, 입자의 부피를 구형으로 가정하여 산란반경에 대한 효과를 최소화할 수 있다.
결과, 표준입자 모형과 최대 ×^^의 오차를 나타내었다. 추후 산란반경 외에 실제 미세먼지 형상에 대한 부피를 반영으로 미세먼지 측정 알고리즘에서 부피의 가정 값에 대한 오차를 개선할 수 있음을 확인하였다.
신호누적 그래프는 각 위치에 배치된 센서에서 계측된 시간 도메인 그래프를 누적하여 센서로 도달한 시간, 배치된 센서의 번호, 계측된 신호의 진폭을 나타낸다. 평균합산을 통해 연속적인 가간섭 파동의 뚜렷한 확인이 가능했으며, 다중 산란으로 발생한 불규칙적인 비간섭 파동은 대부분 사라지는 것을 볼 수 있다.

참고문헌 (29)

International Agency for Research on Camcer.(2013), IARC: Outdoor air pollution a leading environment cause of cancer deaths.
World Health Organization.(2014), Burden of disease from Household Air Pollution for 2012.
Kim, J. H., Kang, S. W.(2018), Analysis of Factors Influencing PM10 Pollution in Korea, Journal of the Korea Resource Economics Association, 18, 779-791.
Park, H. J., Woo, K. S., Chung, E. K., Kang, T. S., Kim, G. B., Yu, S. D., Son, B. S.(2015), A Time-Series Study of Ambient Air Pollution in Reaction to Daily Mortality Count in Yeosu, Journal of Environmental Impact Assessment, 24(1), 66-77.

원문보기 상세보기
Jeon, C. W., Cho, D. H., Zhu, L.(2018), Exploring the Spatial Heterogeneity of Particulate Matter (PM10) using Geographically Weighted Ridge Regression (GWRR), Journal of the Korea Cartographic Association, 18(3), 91-104.

상세보기
Lee, N. R., Um, H. U., Cho, H. S.(2018), Development of Detection and Monitoring by Light Scattering in Real Time, Fire Science and Engineering, 32(3), 134-139.

원문보기 상세보기
Lee, B. J., Park, S. S.(2019), Evaluation of PM10 and PM2.5 Concentrations from Online Light Scattering Dust Monitors Using Gravimetric and Beta-ray Absorption Methods, Journal of Korean Society for Atmospheric Environment, 35(3), 357-369.

상세보기
Kim, S. J., Kang, H. S., Son. Y. S., Yoon, S. Y., Kim, J. C., Kim, G. S., Kim, I. W.(2010), Compensation of Light Scattering Method for Real-Time Monitoring of Particulate Matters in Subway Station, Journal of Korea Society for Atmospheric Environment, 26(5), 553-542.
Kim, J. H., Oh, J., Choi, J. S., Ahn, J. Y., Yoon, G. H., Park, J. S.(2014), A Study on the Correction Factor of Optic Scattering PM2.5 by Gravimetric Method, Journal of the Korean Society of Urban Environment, 14(1), 41-47.
Lee, C. H., Oh, S. N.(2020), Effect of Atmospheric Humidity on Fine Dust Measurement Using the Light Scattering Method, Journal of the Korea Society of Hazard Mitigation, 20(1), 391-399.

상세보기
Ministry of Environment Climate and Atmospheric Policy Division.(2016), Fine dust, what is it??, Ministry of Environment, 11-1480000-001435-01.
Antonio, A. D., Popoola, O. A. M., Ouyang, B., Saffell, J., Jones, R. L.(2018), Developing a Relative Humidity Correction for Low-Cost Sensors Measuring Ambient Particulate Matter, Sensors, 18(9), 2790.

상세보기
Park, J. S., Moon, K. J., Park, S. M., Song, I. H., Kim, H. J., Hong, Y. D., Han, J. S.(2014), Possivility of the PM10 and PM2.5 Concentration Monitoring System using SMPS-APS Combination, Jounal of Korean Society for Environmental Analysis, 17(3), 161-172.
Kim, S. D., Kim, C. H., Hwang, U. H.(2008), A Study on the Particles Density Estimation in Seoul Metropolitan, Journal of Korean Society of Environmental Health, 34(2), 131-136.
Chung, A., Chang, D. P. Y., Kleeman, M. J., Perry, K. D., Cahill, T. A., Dutcher, D., McDougall, E. M., Stroud, K.(2001), Comparison of Real-Time Instruments Used To Monitor Airborne Particulate Matter, Journal of the Air & Waste Management Association, 51(1), 109-120.

상세보기
NIER(National Institute of Environmental Research).(2011), Annual Report of Seoul Intensive Monitoring Site
Shin, S. E., Kim, Y. P., Kang, C. H. (2010). Comparison of the PM10 Concentration in Different Measurement Methods at Gosan Site in Jeju Island. Journal of Environmental Impact Assessment, 19(4), 421-429.
Hu, M., Peng, J., Sun, K., Yue, D., Guo, S., Wiedensohler, A., & Wu, Z. (2012). Estimation of size-resolved ambient particle density based on the measurement of aerosol number, mass, and chemical size distributions in the winter in Beijing. Environmental science & technology, 46(18), 9941-9947.

상세보기
DeCarlo, P. F., Slowik, J. G., Worsnop, D. R., Davidovits, P., & Jimenez, J. L. (2004). Particle morphology and density characterization by combined mobility and aerodynamic diameter measurements. Part 1: Theory. Aerosol Science and Technology, 38(12), 1185-1205.

상세보기
Choi, S. I., An, J., & Jo, Y. M. (2018). Review of analysis principle of fine dust. Korean Industrial Chemistry News, 21(2), 16-23.
Lee, E. T. (2019). Analysis of Radiative Transfer Equation for Measurement of Particulate Matter Emitted from Coal-Fired Power Plants, Journal of Korean Society of Environmental Engineers 41(8), 411-418.

상세보기
Choi, H. J., Woo, U. Y., & Hong, J. Y. (2019). Development of Fine Dust Measurement Method based on Ultrasonic Scattering. Journal of the Korea institute for structural maintenance and inspection, 23(7), 40-48.

원문보기 상세보기
Kim, C. H. (2009). A Study on the Size-Based Density Estimation of Particulate Mattters(PM10) in the Seoul Metropolitan Area.
Baek, C. M. (2019), Development of Scattering Dust Reduction Technology in the Life Cycle of Road Pavement, Proceedings of the Korea Institute for Structural Maintenance and Inspection,, 23(2), 274.
National Institute of Environmental Research (2015), Research and study on air quality management in large cities-Identification of fine dust generation process and establishment of reduction measures, final report.
Lee, J. Y., Kim, I. H. (2017). Characteristics of a Filter Module Adsorption for Fine Dust Removal on Road. Journal of Korean Society of Environmental Engineers, 39(1), 19-25.

원문보기 상세보기
Kim, H. I., Park, J. J., Kwark, J. W. (2019). Development of Construction Materials and Application Technologies for Particulate Matter Reduction Using Photocatalytic Materials, Journal of Korea Society of Civil Engineers, 67(8), 87-89.
Hyun, J. H., Kim, H. J. (2019), Development of Fine Dust Reduction Technology on Roadsides Using Functional Construction Materials, The Korea Institute for Structural Maintenance and Inspection, 23(2), 273.
Kim, K. T. (2019). Method for Measuring and Suppressing to Fine Dust at Construction Sites in Urban Space Using Autonomous Moving Bodies, Journal of the Architectural Institute of Korea, 39(2), 701-704.

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증