$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

화학공장 누출사고 대응을 위한 빅데이터-딥러닝 누출원 추적모델
Source Tracking Models on Chemical Leaks for Emergency Response in Chemical Plants Based on Deep Learning of Big Data 원문보기

한국재난정보학회 2017년 정기학술대회, 2017 Nov. 17, 2017년, pp.339 - 340  

김현승 (명지대학교 화학공학과 지능형시스템연구실) ,  신동일 (명지대학교 화학공학과.재난안전학과)

초록
AI-Helper 아이콘AI-Helper

화학공장의 누출사고는 초기에 적절히 대응하지 못할 경우 화재 폭발과 같은 2차 3차의 복합재난사고로 확산될 위험성이 매우 높다. 이러한 이유로 누출사고 발생 초기에 누출이 발생한 지점을 신속히 파악하여 현장안전요원에게 알림으로써, 보다 체계적이고 효율적인 초기대응을 가능하게 하여, 사고피해를 완화시킬 수 있는 통합적인 누출사고 대응시스템 구축은 매우 중요하다고 할 수 있다. 본 연구에서는, 통합적인 누출사고 대응시스템 구축을 위한 선행연구로, 딥러닝 기반의 누출원추적 모델 개발을 제안한다. 여수에 위치한 실제 화학공장을 대상으로 누출사고 시나리오에 대한 Computational Fluid Dynamics (CFD) 시뮬레이션을 진행한 뒤, 화학공장 경계면에 배치된 각 센서별 위치에서의 농도, 풍향 그리고 풍속데이터를 추출하고, 센서 좌표를 추가하여 인공신경망을 학습시켰다. 학습된 모델은 40개의 누출후보군에 대해 학습에 사용되지 않은 상황들에서도 75.43%의 정확도로 누출이 일어난 지점을 실시간 예측해냄을 확인하였다. 또한 누출지점 예측이 일치하지 않은 경우도, 예측된 지점이 실제 누출이 일어난 지점과 물리적으로 매우 인접함을 확인함으로써 제안된 모델을 실제 현장에 적용할시 기대되는 효과는 더 클 것으로 판단하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

제안 방법

  • 여수에 위치한 실제 화학공장을 대상으로 40개의 잠재적 누출후보군을 설정하였으며, 각 누출후보군 별로 16개의 바람장을 설정하여 총 640가지 (누출후보군 40개 × 바람장 16개) 누출사고 시나리오를 설정하여 CFD 시뮬레이션을 진행하였다. CFD 해석 결과를 바탕으로, 화학공장 경계면에 센서를 배치할 때 최소의 센서 개수로 모든 사고시나리오를 감지해낼 수 있는 최적 모니터링위치를 선정하였다. 해당 위치에서 누출물질의 농도데이터와 풍향 그리고 풍속 정보를 추출한 뒤 센서 좌표를 더해 DB를 구성하였다.
  • 해당 위치에서 누출물질의 농도데이터와 풍향 그리고 풍속 정보를 추출한 뒤 센서 좌표를 더해 DB를 구성하였다. DB는 7:3의 비율로 학습데이터와 테스트데이터로 분할 한 뒤, 학습데이터를 6가지 구조의 인공신경망에 학습시켰으며, 테스트데이터로 예측정확도를 검증하였다.
  • 여수에 위치한 실제 화학공장을 대상으로 40개의 잠재적 누출후보군을 설정하였으며, 각 누출후보군 별로 16개의 바람장을 설정하여 총 640가지 (누출후보군 40개 × 바람장 16개) 누출사고 시나리오를 설정하여 CFD 시뮬레이션을 진행하였다.
  • CFD 해석 결과를 바탕으로, 화학공장 경계면에 센서를 배치할 때 최소의 센서 개수로 모든 사고시나리오를 감지해낼 수 있는 최적 모니터링위치를 선정하였다. 해당 위치에서 누출물질의 농도데이터와 풍향 그리고 풍속 정보를 추출한 뒤 센서 좌표를 더해 DB를 구성하였다. DB는 7:3의 비율로 학습데이터와 테스트데이터로 분할 한 뒤, 학습데이터를 6가지 구조의 인공신경망에 학습시켰으며, 테스트데이터로 예측정확도를 검증하였다.
본문요약 정보가 도움이 되었나요?

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로