• 지능정보연구
• /
• 제19권3호
• /
• pp.141-156
• /
• 2013

최근 소셜미디어는 전세계적 커뮤니케이션 도구로서 사용에 전문적인 지식이나 기술이 필요하지 않기 때문에 이용자들로 하여금 콘텐츠의 실시간 생산과 공유를 가능하게 하여 기존의 커뮤니케이션 양식을 새롭게 변화시키고 있다. 특히 새로운 소통매체로서 국내외의 사회적 이슈를 실시간으로 전파하면서 이용자들이 자신의 의견을 지인 및 대중과 소통하게 하여 크게는 사회적 변화의 가능성까지 야기하고 있다. 소셜미디어를 통한 정보주체의 변화로 인해 데이터는 더욱 방대해지고 '빅데이터'라 불리는 정보의 '초(超)범람'을 야기하였으며, 이러한 빅데이터는 사회적 실제를 이해하기 위한 새로운 기회이자 의미 있는 정보를 발굴해 내기 위한 새로운 연구분야로 각광받게 되었다. 빅데이터를 효율적으로 분석하기 위해 다양한 연구가 활발히 이루어지고 있다. 그러나 지금까지 소셜미디어를 대상으로 한 연구는 개괄적인 접근으로 제한된 분석에 국한되고 있다. 이를 적절히 해결하기 위해 본 연구에서는 트위터 상에서 실시간으로 방대하게 생성되는 빅스트림 데이터의 효율적 수집과 수집된 문헌의 다양한 분석을 통한 새로운 정보와 지식의 마이닝을 목표로 사회적 이슈를 포착하기 위한 실시간 트위터 트렌드 마이닝 시스템을 개발 하였다. 본 시스템은 단어의 동시출현 검색, 질의어에 의한 트위터 이용자 시각화, 두 이용자 사이의 유사도 계산, 트렌드 변화에 관한 토픽 모델링 그리고 멘션 기반 이용자 네트워크 분석의 기능들을 제공하고, 이를 통해 2012년 한국 대선을 대상으로 사례연구를 수행하였다. 본 연구를 위한 실험문헌은 2012년 10월 1일부터 2012년 10월 31일까지 약 3주간 1,737,969건의 트윗을 수집하여 구축되었다. 이 사례연구는 최신 기법을 사용하여 트위터에서 생성되는 사회적 트렌드를 마이닝 할 수 있게 했다는 점에서 주요한 의의가 있고, 이를 통해 트위터가 사회적 이슈의 변화를 효율적으로 추적하고 예측하기에 유용한 도구이며, 멘션 기반 네트워크는 트위터에서 발견할 수 있는 고유의 비가시적 네트워크로 이용자 네트워크의 또 다른 양상을 보여준다.

• 한국석유지질학회지
• /
• 제14권1호
• /
• pp.1-11
• /
• 2008

오일샌드는 비재래형(unconventional) 석유자원의 하나로서 비투멘(bitumen), 물, 점토, 모래의 혼합물이다. 오일샌드 비투멘은 API 비중이 $8-14^{\circ}$이고 점도가 10,000 cP 이상인, 매우 무겁고 점성이 큰 탄화수소 자원으로서 일반적으로 지표나 천부퇴적층에서 유동성을 갖지 않는다. 오일샌드 비투멘은 주로 캐나다 앨버타주와 사스캐추완주에 분포하고 있으며, 캐나다에만 원시부존량이 1조 7천억 배럴, 확인매장량이 1천 7백억 배럴에 달한다. 대부분은 앨버타주 포트 멕머레이(Fort McMurray) 인근의 아사바스카(Athabasca), 콜드레이크(Cold Lake), 피스리버(Peace River) 지역에 매장되어 있다. 캐나다 오일샌드 저류지층은 아사바스카 지역의 멕머레이층(McMurray Fm)과 클리어워터층(Clearwater Fm), 콜드레이크 지역의 멕머레이층(McMurray Fm), 클리어워터층(Clearwater Fm), 그랜드래피드층(Grand Rapid Fm), 피스리버 지역의 블루스카이층(Bluesky Fm)과 게팅층(Gething Fm)이다. 이들 지층은 하부 백악기 지층으로서 중생대 초-중기에 발생한 북미판과 태평양판의 충돌과 그로 인한 대륙전면분지(foreland basin)의 형성과정에서 퇴적되었다. 분지의 기반암은 복잡한 지형을 갖는 고생대 탄산염암이며, 그 위에 북미대륙 북쪽의 보레알해(Boreal Sea)로부터 현재의 북미대륙 서부를 남북으로 관통하는 전기백악기내해로(Early Cretaceous Interior Seaway)를 따라 해침이 발생하면서 오일샌드 저류지층이 형성되었다. 세 개의 주요 오일샌드 분포지역 가운데 80% 이상의 오일샌드를 매장하고 있는 아사바스카 지역의 저류지층인 멕머레이층과 크리어워터층의 최하부층원인 와비스코 층원(Wabiskaw Mbr)은 전기 백악기 시기의 해침층서를 잘 반영하고 있다. 멕머레이층 하부에는 하성기원의 퇴적층이 발달하고, 상부로 가면서 점차로 조석기원의 천해 퇴적층이 우세해지며, 와비스코 층원에 와서는 의해 세립질 퇴적층이 광역적으로 분포한다. 이러한 해침기원의 상향 세립화 경향은 아사바스카 오일샌드 부존지역에서 일반적으로 관찰된다. 오일샌드 부존지층은 일반적으로 불균질 저류층이며, 주요 저류층은 하성퇴적층이나 에스츄어리(estuary) 기원의 퇴적층에 발달한 하도-포인트 바 복합체(channel-pont bar complex)이다. 이러한 하도-포인트바 복합체는 범람원 및 조수평원 세립질 퇴적층이나 만-충진(bay-fill) 퇴적층과 함께 멕머레이층을 형성한다. 멕머레이층 상부에 오는 와비스코 층원은 주로 외해 세립질 퇴적층으로 이루어져 있으나, 멕머레이층을 대규모로 침식하는 하도사암층이 지역적으로 발달하기도 한다. 캐나다에서 오일샌드는 주로 노천채굴(surface mining)과 심부열회수(in-situ thermal recovery) 방식으로 생산한다. 50 m 미만의 심도에 묻혀있는 오일샌드는 노천채굴 방식으로 회수하여 비투멘 추출(extraction)과 개질(upgrading)과정을 거쳐 합성원유(synthetic crude oil)로 생산된다. 반면에 150-450 m 심도에 묻혀있는 오일샌드는 주로 심부열회수 방식으로 비투멘을 회수하여 비교적 간단한 비투멘 블렌딩(blending)과정을 통해 유동성을 증가시켜 정유시설로 운반한다. 심부열회수 방식으로 오일샌드를 개발할 경우 주로 스팀주입중력법(SAGD: Steam Assisted Gravity Drainage)이나 주기적스팀강화법(CSS: Cyclic Steam Stimulation)이 사용된다. 이러한 방법들은 저류층에 스팀을 주입하여 저류층 내의 온도를 상승시킴으로써 비투멘의 유동성을 증가시켜 회수하는 기술을 사용한다. 따라서 오일샌드 저류층 내부의 스팀전파효율을 결정하는 저류지층의 주요 지질특성에 대한 이해가 선행되어야 효과적인 생산설계와 효율적인 생산을 수행할 수 있다. 오일샌드 생산에 영향을 미치는 저류층의 주요 지질특성에는 (1)비투멘 샌드층의 두께(pay) 및 연결성(connectivity), (2) 비투멘 함량, (3) 저류지역 지질구조, (4) 이질배플(mud baffle)이나 이질프러그(mud plug)의 분포, (5) 비투멘 샌드층에 협재하는 이질퇴적층의 두께 및 수평연장성(lateral continuity), (6) 수포화층(water-saturated sand)의 분포, (7) 가스포화층(gas-saturated sand)의 분포, (8) 포인트바의 성장방향성, (9) 속성층(diagenetic layer)의 분포, (10) 비투멘 샌드층의 조직특성 변화 등이 있다. 이러한 지질특성에 대한 고해상의 분석을 통해 보다 효과적인 오일샌드 개발이 달성될 수 있을 것이다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.

• 한국지역지리학회지
• /
• 제3권2호
• /
• pp.37-87
• /
• 1997

만경강유역을 하나의 연장선상에 놓고 연구한 결과, 그 공간상에서 역사와 더불어 형성발달해온 시공연속체를 확인할 수 있었다. 만경강상류에서 하류 하구연안에 이르는 면장공간상에서의 개간과정은 여말에서 부터 시작되어 오늘에 이른 것으로 볼 수 있다. [기원지-지향지] 지향가설에서 본 개간과정에서 개간의 기원지는 만경강상류 산간계곡의 지류곡지 개간을 효시로 하여 기원지가 이루어지고, 조선조 중기까지는 수방대책의 발달과 더불어 하천 중류까지 진출하고, 하천 본류에 대한 하류지역의 계간은 하천의 규모와 유수량의 증가로 인한 하안의 홍수와 범람을 극복할 수 있는 인공제방을 축조할 수 있는 기술수준에 이른 1920년대에 들어서야 본격화되고, 그후 연이어 하구연안의 간석지 개간도 시행되어 개간의 개척첨단이 이들 지향지인 해안간석지일대에 형성되는 것을 볼 수 있다. 시간의 흐름과 더불어 각 시기마다 공간의 변화도 수반되어 시공연속체가 발달하는 것을 볼 수 있다. 취락의 경우 개간과정에 따라 산간계곡 산록일대에서는 주변입지적 집촌, 하천중류와 하류에서는 중앙입지적 집촌, 하천하구 간석지에서는 중앙입지적 열촌형태가 우세하게 나타났다.