• 지능정보연구
• /
• 제17권2호
• /
• pp.61-75
• /
• 2011

시설물이나 토지, 도로, 방재 등 다방면에서 GIS의 효과성이 입증됨에 따라 최근 들어 상권이나 고객, 영업 관리 등에 GIS를 도입하여 시장분석 및 영업관리 역량을 강화하려는 민간 기업들이 증가하고 있다. 본 사례 연구에서는 날로 치열해지고 있는 통신시장의 경쟁환경 속에서 K사가 정교한 상권 및 고객 분석 역량을 확보하기 위해 GIS 영업정보 시스템을 구축 한 전 과정과 영업현장에서의 시스템 활용방안 등을 살펴보았다. 전사적으로 시스템을 오픈한 후 지사들로부터의 반응은 담당 관할구역에 대한 경쟁상황 파악 및 일/월 추세조회가 용이해 졌고, 왜곡되지 않은 실제 데이터를 제공받아 제한된 시간 내에 정확한 타겟 고객 선정이 가능해졌으며, 동별 시설분포와 같은 시설물 관련정보를 영업활동에 활용할 수 있어 매우 효과적이었다는 등이 주를 이루었다. 이와 같은 과정과 결과를 정리함으로써 향후 GIS 영업정보시스템 구축을 고려하고 있는 타 조직이나 기업들에게 의미 있는 가이드라인을 제시할 수 있기를 기대한다.

• 대순사상논총
• /
• 제40집
• /
• pp.243-272
• /
• 2022

전라북도 정읍은 한국 사상사에서 주목을 요하는 지역이다. 또한 정읍은 문학사에서 '최초'를 기록한 작품이 많은 지역이다. 백제 노래 <정읍사>가 그렇고 조선시대 사대부 가사 <상춘곡>이 그렇다. 그리고 이 지역 태수를 지낸 최치원(857~?)의 선정과 풍류의 전통이 전해오는 고장이기도 하다. 이 논문에서는 정읍의 무성서원의 성립과정과 선비문화에 있어서 최치원의 연관성을 살펴보았다. 최치원이 임기를 마치고 떠날 때 고을 사람들이 선정에 보답하는 의미로 태산사라는 생사당을 건립하였고 그것이 근원이 되어 후대에 무성서원으로까지 이어졌다. 최치원은 자신의 포부와 역량을 정읍에서 실현하였다. 특히 조선중기 무성서원의 건립과 사액 과정에 최치원의 역할은 결정적이었기에 최치원은 이 지역의 상징적 인물로 되살아날 수가 있었다. 그리고 무성서원을 중심으로 영정의 이안(移安) 작업을 통해서 최치원의 형상도 보다 유학자, 유학적 선비의 모습으로 좌정해나가는 것도 볼 수가 있다. 최치원이 남긴 시문을 통해서도 유학적 선비(지식인)로서 자각을 읽을 수 있다. 그의 시세계가 다양하지만 특히 유학자 지식인으로서 현실에서 오는 시름과 고뇌, 비판적인 내면의식 등을 표출한 작품이 많은 수를 차지하고 있음을 볼 수 있다. 최치원은 남다른 포부와 각고의 노력으로 당대의 우뚝한 문사로서의 자질을 유감없이 발휘하기는 하였으나, 그 자신 주변국의 한 시인으로서의 지역적, 정신적 소외감을 극복하지 못했다. 따라서 세계인식 면에서의 치열성은 자연히 내면화될 수밖에 없었다. 그러나 그것이 오히려 그의 작품으로 하여금 강한 서정성을 가지게 한 요인이 되었던 것으로 보인다. 그리고 최치원의 문집에는 당대의 말기적 현상에서 초래된 다양한 형태의 병리적 현상을 강한 어조로 비판한 작품들이 다수 포함되어 있다. 그는 가난하고 곤고한 삶을 살아가는 민중들의 모습을 사실적으로 그려내는가 하면, 왜곡된 생산관계 속에서 결국 희생되고 마는 가련한 백성들의 삶의 실상을 형상화함으로써 당대의 잘못된 사회의 단면을 부각시키기도 했다. 이러한 것은 지식인으로서의 고뇌로 읽을 수 있다. 선비의 사전적 정의가 '학식과 인품을 갖춘 사람에 대한 호칭으로, 특히 유교이념을 구현하는 인격체 또는 신분계층을 가리키는 유교용어'이고, 오늘날 의미로는 '신분적 존재가 아니라 인격의 모범이요, 시대사회의 양심으로서 인간의 도덕성을 개인 내면에서나 사회질서 속에서 확립하는 원천으로 이해될 수 있다.'고 할 때, 최치원의 문학에서 고뇌하는 모습은 곧 선비(지식인)의 고뇌이고 '선비(士)'로서의 책무를 자각하였기에 나오는 반응이라고 할 수 있다. 그러한 점에서 최치원은 가장 이른 시기의 선비(지식인)의 원류라고 보아도 크게 잘못이 없을 것이다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.