• 한국축산시설환경학회지
• /
• 제18권2호
• /
• pp.99-110
• /
• 2012

본 연구에서 조사된 일부 선도적인 양돈농가에서는 설치 운영하는 호기적 액상발효 공정은 대부분의 농가가 공정별 설계인자 및 물리 화학적인 성분변화의 특성보다는 경험적인 운영을 토대로 액비를 생산하고 있는 것을 알 수 있었다. 김 등의 조사연구에 따르면 가축분뇨의 발생단계인 분뇨수거방식은 현재 국내 돈사의 70% 이상이 슬러리 형태로 분뇨가 배출되고 있는 것으로 보고되고 있다. 양돈분뇨의 수거방식과 배출형태가 대부분 슬러리라는 사실은 양돈분뇨의 적정처리에 의한 환경오염 차단과 자원화 이용과정에 적용될 각종 공법 및 시스템 적용이 돈사 슬러리부터 집중 관리해야 함을 시사한다. 이처럼 가축분뇨 액비화의 적정처리에 있어서는 발생단계 뿐만 아니라 액비가 토양에 환원되기 직전까지의 모든 과정이 전반적으로 고려되어야 한다. 본 연구의 조사대상 농가의 가축분뇨 액비화 운영에 있어서 핵심적으로 구분 할 수 있는 단계를 주요사항 별로 구분하여 Table 8에 나타내었다. 가축분뇨 액비화 처리에 있어서 고액분리 단계의 경우 고액분리 방식과 효율에 따라 BOD (생물학적산소요구량), COD (화학적산소요구량), VFA (휘발성지방산) 등의 제거율의 차이가 있는 것으로 보고되고 있으며, 이는 후단공정 즉 주발효조에서의 공기주입량의 산정, 공기공급방식, 발효기간 및 2차 발효 등 운영방식 결정에 주요한 요인이 될 수 있다. 이와 같이 액비가 생산되어 토양에 환원되기까지의 과정은 각각의 주요한 요소들이 유기적으로 연계되어 있으며, 농가 현장을 방문조사하고, 생산되는 액비를 비교 분석한 결과 액비화 공정에 있어서 필수적인 핵심적 단계를 도출 할 수 있었다. 이에 대한 주요내용은 다음과 같다. 1. 돈사 슬러리 관리 단계 돈사 슬러리는 혐기부패를 최대한 방지하며, 주요 악취물질인 $H_2S$, $NH_4$, VFAs의 생성을 억제하여야 한다. 돈사환경을 개선하기 위한 방법으로서는 부숙이 완전히 완료되어 유용미생물이 활성화된 액비를 돈사 세척수로 이용하거나, 슬러리 피트에 일부 투입하여 단순 저장일수를 처리일수로의 개념적 전환이 필요하다. 2. 고액분리 단계 일반적으로 BOD의 주요원인인 고농도의 유기물질은 대부분 분뇨의 고형성분에 포함되어 있기 때문에 물리적 처리공정인 고액분리 단계에서 최대한으로 제거하여 후단공정인 주발효조의 부하를 최소화 시킨다. 3. 발효처리-공기공급 단계 축산농가 마다 사료의 종류나 관리방법 등이 각기 다르므로 배출되는 슬러리의 성상을 파악하여 물질수지와 처리일수에 기초한 발효조 용량과 공기주입량의 산정이 필요하다. 또한 공기확산 및 막힘현상을 고려한 자동제어 장치나 발효조의 상태를 감시 제어하기 위한 인자로서 pH 및 산화환원전위 등을 실시간으로 모니터링 하는 것이 중요하다. 4. 발효처리-미생물, 반송 단계 일반점검 (온도, pH, 용존산소, 산화환원전위, 전기전도도 등)과 정밀점검 (BOD, COD, VFAs, SS, N, P 등)의 주기적인 점검을 통하여 미생물 생장에 알맞은 유입농도와 반송량을 결정하고 농가환경에 맞는 발효조 운전방식을 확립 할 필요가 있다. 5. 후숙처리-최종액비 단계 후숙조에서는 공기과잉 투입으로 인한 질소성분의 손실을 방지하고, 유용미생물을 이용하여 토양환원에 적합한 액비를 제조한다. 가스발생에 의한 작물생육 피해를 방지할 수 있는 액비 안정화 운전기술을 확립하고, 살포시기를 대응하여 액비의 유 출입을 집중적으로 관리한다. 6. 액비유통센터 연계-농지환원 단계 제조된 액비는 액비유통센터에 위탁하여 살포하는 체계를 확립하고, 악취 민원의 발생을 최대한 억제한다. 액비유통센터는 철저한 년 중 살포프로그램을 운영하여 원활한 살포조직 체제를 구성하는 것이 중요하다. 축산농가에서 가축분뇨 관리방법은 축사의 입지, 주변 환경 및 각종 환경규제 등 여러가지 여건에 따라 각기 다르며, 다수의 축산농가가 특정한 처리방법을 동일하게 적용하는 것은 현실적으로 불가능하다. 따라서 본 연구에서 분석된 각 농가의 액비 성상 등은 여러 가지 환경적 요소가 복합적으로 작용하고 있으며, 조사농가 중 일부는 발효과정 중에 있는 액비를 채취하였으므로, 분석결과를 해석하여 가축분뇨 운영관리를 총체적으로 판단하는 것은 다소 무리가 있다. 추후에는 각 공정에 대해 유입되는 슬러리원수에서부터 처리가 완료되는 단계까지의 과정을 일괄적으로 분석하여, 유입 유출농도, 수리학적 체류시간 등 공학적 요소 및 이에 따른 경제성 평가 등을 세밀하게 연구할 필요성이 있다. 이밖에도 가축분뇨의 중요한 관리부분인 병원성미생물과 관련된 위해성 분분을 고려하지 않을 수 없다. 가축분뇨에는 인간에게 직접적인 영향을 미칠 수 있는 Escherichia coli, Campylobacter, salmonella, Listeria 등 다양한 병원성 세균이 발견된다. 최근 전국적으로 발생된 구제역 사태는 우리나라 축산업 자체에 큰 타격을 주었을 뿐만 아니라, 사회 경제적으로도 막대한 손실을 가져왔다. 이 사건을 계기로 국내 축산기반의 전면적 재정비가 불가피하게 되었음은 물론 가축 분뇨에서 유래한 병원성 미생물 및 바이러스 등의 근원적 대처방법 개선과 가축분뇨의 위생적 처리에 대한 안전관리가 시급한 현안이 되었다. 따라서 안전한 경축순환의 액비유통 관리 체계 구축을 위해서는 병원성 미생물, 바이러스 등과 같은 위해요소를 억제 할 수 있는 액비화 처리기술의 표준화 공정 개발 또한 필요하다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.25-38
• /
• 2019

정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.