딥러닝 알고리즘 중 과거의 정보를 저장하는 문제(장기종속성 문제)가 있는 단순 RNN(Simple Recurrent Neural Network)의 단점을 해결한 LSTM(Long short-term memory)이 등장하면서 특정한 유역의 강우-유출 모형을 구축하는 연구가 증가하고 있다. 그러나 하나의 모형으로 모든 유역에 대한 유출을 예측하는 지역화 강우-유출 모형은 서로 다른 유역의 식생, 지형 등의 차이에서 발생하는 수문학적 행동의 차이를 학습해야 하므로 모형 구축에 어려움이 있다. 따라서, 본 연구에서는 국내 12개의 유역에 대하여 LSTM 기반 분포형 지역화 강우-유출 모형을 구축한 이후 강우 이외의 보조 자료에 따른 정확도를 살펴보았다. 국내 12개 유역의 7년 (2012.01.01-2018.12.31) 동안의 49개 격자(4km2)에 대한 10분 간격 레이더 강우, MODIS 위성 이미지 영상을 활용한 식생지수 (Normalized Difference Vegetation Index), 10분 간격 기온, 유역 평균 경사, 단순 하천 경사를 입력자료로 활용하였으며 10분 간격 유량 자료를 출력 자료로 사용하여 LSTM 기반 분포형 지역화 강우-유출 모형을 구축하였다. 이후 구축된 모형의 성능을 검증하기 위해 학습에 사용되지 않은 3개의 유역에 대한 자료를 활용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)를 확인하였다. 식생지수를 보조 자료를 활용하였을 경우 제안한 모형은 3개의 검증 유역에 대하여 하천 흐름을 높은 정확도로 예측하였으며 딥러닝 모형이 위성 자료를 통하여 식생에 의한 차단 및 토양 침투와 같은 동적 요소의 학습이 가능함을 나타낸다.
기상청에서 제공하는 강우수치예보정보를 활용하여 10일이내의 중기유량예측을 수행하였다. 기상청의 원시예보자료로는 2일예보를 위한 RDAPS와 10일예측을 위한 GDAPS예측자료를 활용하였다. 수치예보의 정확도를 제고하기 위하여 강우상세 정보를 생산할 수 있는 강수진단모형(QPM)과 QPM모의결과에 내재된 계통적 편이를 제거하기 위하여 분위사상과정 (Quantile Mapping)을 적용하였다. QPM모의결과를 유출모형의 입력정보로 활용하기 위하여 일관적인 체계를 갖춘 유역강수 정보로 변환하여, 장기연속유출모형인 SSARR모형을 이용하여 금강유역내 주요지점에서의 유량예측을 수행하여 유량예측에 대한 검증을 수행하였다. 2006년 1월 1일부터 6월 20일까지 강수예측을 수행한 결과 2일예측인 RQPM의 경우 기간 총강수량을 기준으로 실적강우대비 89.7%의 강수모의값을 보임으로서 양호한 예측성능을 확인할 수 있었다. 유량예측모의에 있어서는 2일예측의 경우 일부 강우사상에서 예측누락과 예측오류가 발생하였지만 전반적으로 유량예측이 양호한 수준이었다. 다만, 하류지점의 경우 조절유량에 의한 유출모형보정의 어려움과 수위-유량관계곡선의 신뢰도저하등의 이유로 예측성능이 떨어지는 경우도 있었다. GQPM에 대한 10일강우예측은 첨두강수와 강수총량에 있어서 다소 과소한 모의값을 보이고 있으며, 강수보정효과도 RDAPS에 비하여 저조한 수준이었다. 이 부분은 강수예측의 사후보정으로는 한계가 있는 것으로 보여지며 원시예측모형의 안정화를 통하여 개선할 수 있는 부분으로 판단된다.
수자원의 효율적인 관리를 위해서는 신뢰성 있는 유량자료의 획득이 대단히 중요하다. 우리나라는 양질의 유량자료를 획득하기 위해 매년 많은 시간과 돈을 투자하고 있으나 자료의 질적인 면에서 만족할 만한 성과를 얻지 못하고 있다. 현재까지 우리나라의 유량자료는 댐의 수문자료와 수량관리 부처인 건교부에서 운영하는 수위표 지점의 수위-유량곡선에서 산출된 자료에 의존하고 있다. 그러나 수위-유량 관계식을 보정하기 위한 유량측정사업이 지속적이지 못하며, 이 관계식은 유량이 적은 저수기 및 갈수기에는 부정확하다는 한계가 있다. 또한, 국립환경과학원 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정사업을 실시하고 있지만, 목적은 낙동강수계의 오염총량관리 단위유역 말단 47개 지점에서 유량측정을 효율적으로 실시하여 수질정책의 기초자료를 제공하는데 있다. 이 자료 역시 오염총량관리를 위하여 유량측정을 실시하여 수자원의 효율적인 관리를 위한 일 유량을 알 수가 없는 한계점을 가지고 있다. 따라서 저수기 및 갈수기에 수질정책의 기초자료를 제공하기 위해서 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시 공간적 분포가 다르며 그 자가 비선형성이 강하고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석이 불가능하다. 그러나 최근 인공지능 분야에서 신호처리, 지능제어 및 패턴인식 등의 수단으로 사용되고 있는 신경망은 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되는 하나의 시스템을 비선형적으로 구축할 수 있으며 이러한 이점을 활용하여 수자원 분야에서 다양하게 적용되고 있다. 본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하는 것이다. 이를 위해서 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정 지점 상류의 댐 방류량의 일 방류량자료와 강우자료를 입력 자료로 하여 유량을 예측할 수 있는 유량예측 신경망 모형 FFBN(Flow Forecasting By Neural)을 개발하였다. 그리고 입력 자료로서 장기유출모형인 SWAT의 모의결과를 입력 자료로 추가한 FFBNS(Flow Forecasting By Neural and SWAT)을 개발하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 유출량을 실측치와의 비교를 위하여 낙본D지점과 낙본 E지점에 대하여 $2005{\sim}2006$년까지의 모의 결과를 낙동 수위측정지점과 구미 수위측정지점의 실측치 통하여 복잡한 비선형성을 가지는 유출 시계열 자료에 대한 효과적인 최적의 신경망모델을 개발하여 유량을 예측하고 적용 가능성을 검토하고자 한다. 모의 결과는 수질정책의 기초자료 제공에 기여할 수 있을 것으로 판단된다.
해저면에 설치되 있는 기름 송유관에 손상이 생겨, 송유관 내부에 흐르는 기름이 유출 될경우 엄청난 환경오염 및 재난을 발생시킨다. 해저 송유관 손상에 의한 기름유출 원인은 여러가지 경우에 기인한다. 선박의 바닥이 해저면에 끌려 해저 송유관을 손상시키는 경우, 선박의 엥커에 의해 손상되는 경우, 지진에 의해 좌굴되는 경우, 자유 경간 (Free span)에 의해 좌굴 되는 경우, 송유관 수리 시 사고로 인한 유출, 송유관의 부식에 기인한 유출 등으로 나누어 질 수 있다. 어떠한 경우이든 해저 파이프 손상시, 유출된 기름의 양을 예측하고 그에 따른 적절한 대비가 필요하다. 본 논문에서는 1차 유출 및 2차 유출을 정의하여 각각의 경우에 유출량 해석 이론을 소개하였다. 또한 이 이론을 실제 경우에 응용하여 해저 송유관 손상에 의해 방출되는 기름량을 손상면적에 따라 계산하였고, 최대 유출량 산출 법을 적용하여 손상 위치에 따른 부분별 유출량 계산법을 소개하였다.
홍수 예보를 위한 강우-유출 분석에서 정확한 예측 강우량 정보는 매우 중요한 인자이다. 이에 따라 강우 예측을 위하여 다양한 연구들이 수행되고 있지만 시·공간적으로 비균일한 특성 또는 변동성을 가진 강우를 정확하게 예측하는 것은 여전히 난제이다. 본 연구에서는 딥러닝 기반 ConvLSTM (Convolutinal Long Short-Term Memory) 모형을 사용하여 위성 강수 자료의 단기 예측을 수행하고 그 정확성을 분석하고자 한다. 대상유역은 메콩강 유역이며, 유역 면적이 넓고 강우 관측소의 밀도가 낮아 시·공간적 강우량 추정에 한계가 있으므로 정확한 강우-유출 분석을 위하여 위성 강수 자료의 활용이 요구된다. 현재 TRMM, GSMaP, PERSIANN 등 많은 위성 강수 자료들이 제공되고 있으며, 우선적으로 ConvLSTM 모형의 강수 예측 활용가능성 평가를 위한 입력자료로 가장 보편적으로 활용되는 TRMM_3B42 자료를 선정하였다. 해당 자료의 특성으로 공간해상도는 0.25°, 시간해상도는 일자료이며, 2001년부터 2015년의 자료를 수집하였다. 모형의 평가를 위하여 2001년부터 2013년 자료는 학습, 2014년 자료는 검증, 2015년 자료는 예측에 사용하였다. 또한 민감도 분석을 통하여 ConvLSTM 모형의 최적 매개변수를 추정하고 이를 기반으로 선행시간(lead time) 1일, 2일, 3일의 위성 강수 예측을 수행하였다. 그 결과 선행시간이 길어질수록 그 오차는 증가하지만, 전반적으로 3가지 선행시간 모두 자료의 강수량뿐만 아니라 공간적 분포까지 우수하게 예측되었다. 따라서 2차원 시계열 자료의 특성을 기억하고 이를 예측에 반영할 수 있는 ConvLSTM 모형은 메콩강과 같은 미계측 대유역에서의 안정적인 예측 강수량 정보를 제공할 수 있으며 홍수 예보를 위한 강우-유출 분석에 활용이 가능할 것으로 판단된다.
수문곡선의 감수부는 기저유출의 특성을 반영하기 때문에 강우유출 모형과 기저유출분리법을 이용한 기저유출 산정과정에서 감수부의 특성을 고려해야한다. 따라서 본 연구는 감수특성을 고려하여 Soil and Water Assessment Tool(SWAT)의 보정에서 유량예측의 정확성을 높이고, 보정된 SWAT으로부터 예측된 유량으로부터 기저유출을 분리하고자 하였다. 이를 위하여 RECESS으로부터 산정된 alpha factor와 11개의 다른 매개변수를 자동보정모듈에 적용한 시나리오 (S1)와 SWAT의 매개변수인 alpha factor를 포함한 12개의 매개변수를 자동보정모듈에 적용한 시나리오 (S2)에 대해 SWAT을 이용해 유량 모의를 하였다. 또한, 두 시나리오에 대해 SWAT으로 예측된 유량을 Web-based Hydrograph Analysis Tool (WHAT)을 적용하여 기저유출을 산정하였다. 보정 결과는 유량에 대한 두 시나리오의 Nash-Sutcliffe Efficiency (NSE) 값들 사이에 큰 차이는 보이지 않았으나 기저유출의 경우 S1에 대한 NSE는 0.777이고, S2의 NSE 결과는 0.844로 다소 큰 차이를 보였다. 연평균 유량의 분포의 정량적 비교를 위한 관측유량과 상대오차를 산정하였으며 S1에 대하여 20.78%, S2에 대하여 6.59%의 상대오차를 보였다. 본 연구는 모형을 이용하여 예측된 유량으로부터 기저유출을 산정하는데 있어 감수부 특성의 중요성을 보여주었다.
강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였으며, 이를 위해 오류역전파알고리즘을 이용한 신경망모형과 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨 모형 그리고 최적화된 상태에서 다시 학습을 진행하는 세 가지 모형에 대하여 적용한 결과 유전자 알고리즘을 사용하여 신경망을 학습시킨 모형이 다른 모형들에 비해 우수한 결과를 보여주고 있으며 예측시간이 길어지더라도 예측력이 크게 떨어지지 않았다. 또한 입력자료로 강우와 수위를 사용한 모형보다는 수위를 사용한 모형에서 조금 더 우수한 결과를 보여주었다.
강수진단모형을 이용하여 저수지 이수운영을 위한 실시간 유량예측기법을 개발하였다. 강수진단모형은 현재 기상청 현업에서 수행중인 강우수치예보를 기반으로 상세 지역의 지형 효과에 의한 강수를 예측하는 정량강수예측모형(QPM; Quantitative Precipitation Model)으로서 부경대학교 환경대기과학과에서 개발된 모형이다. QPM은 중규모 예측 모형으로부터 계산된 수평 바람, 고도, 기온, 강우 강도, 그리고 상대습도 등의 예측 자료를 이용하고, 소규모 상세지형 효과를 고려함으로써 중규모 예측 모형에서 생산된 강수량 예측 값을 상세 지역의 지형을 고려한 강수량 예측 값으로 재구성하여 결과적으로 3km 간격의 상세지역 강우산출과 지형에 따른 강수량의 분포 파악이 용이할 뿐만 아니라 계산 효율성을 개선된 모형이다. QPM 검증을 위하여 기상학적 평가와 수문학적 평가를 수행하였다. 호우 사례별 일강수량의 시공간 분포로 부터, QPM을 활용한 시스템에 의한 예측결과가 원시자료 RDAPS 보다 고해상도의 예측 및 지형효과의 반영도가 높았으며, AWS의 관측자료와 비교하여 보다 높은 예측성을 보여 주었다. 대상기간인 2006년 1월 1일부터 6월 20일까지 관측강우는 총 391.5mm 였으며 RQPM은 실적강우에 비하여 119.5mm 정도 과소산정하고 있으나 분위사상과정을 거치게 되면 351.7mm로서 실적강우에 불과 10.2% 못미치고 있다. 이는 고무적인 결과로 볼 수 있으며 현업에서의 활용성이 기대되는 수준이라 볼 수 있다. 강우-유출모의를 위한 QPM신뢰도를 높이기 위하여 분위사상법(Quantile Mapping)을 이용하여 QPM모의에 존재할 수 있는 계통오차에 대한 추가적인 보정을 수행하였다. 수문학적 평가를 위하여는 장기연속유출모형인 SSARR모형을 기반으로 개발된 RRFS(Rainfall-Runoff Forecast System)을 이용하여 2006년 1월${\sim}$9월까지의 용담댐 유입량에 대하여 모의예측결과와 관측유입량 비교를 통한 검증을 수행하였다. 위 기간중 예측유입량의 RMSE(Root Mean Squared Error), COE(Sutcliffe Coefficient of Efficiency), MAE(Mean Absolute Error), $R^2$값은 각각 7.50, 0.68, 2.59, 0.69 값을 보이고 있다. 본 연구에서는 QPM에 의한 예측성의 향상 및 구축된 시스템에 의한 일강수량의 장기예측 가능성을 확인하였고, 향후 시스템을 현업에 활용하기 위해서 생산된 예측자료의 보다 장기적인 검증을 통한 시스템의 안정화가 필요할 것으로 사료된다.
본 연구에서는 SLURP 수문모형을 이용하여 미래기후와 예측된 토지이용자료 및 식생의 활력도를 고려한 상태에서 하천유역의 유출 및 증발산량에 미치는 영향을 분석하였다. 경안천 상류유역($260.04\;km^2$)을 대상유역으로 선정하여 4개년(1999-2002) 동안의 일별 유출량 자료를 바탕으로 모형의 보정(1999-2000)과 검증(2001-2002)을 실시하였다. 모형의 보정 및 검정 결과 Nash-Sutcliffe 모형효율은 0.79에서 060의 범위로 나타났다. 미래 기후자료는 IPCC(Intergovernmental Panel on Climate Change)에서 제공하는 A1B 기후변화시나리오의 MIROC3.2 hires, ECHAM5-OM, HadCM3 모델의 결과값을 이용하였다. 먼저 과거 30년 기후자료(1977-2006, baseline)를 바탕으로 각 모델별 20C3M(20th Century Climate Coupled Model)의 모의 결과값을 이용하여 강수와 온도를 보정한 뒤 Change Factor Method로 Downscaling하였다. 미래 기후자료는 2020s(2010-2039), 2050s(2040-2069), 2080s(2070-2099)의 세 기간으로 나누어 분석하였다. 미래 토지이용은 과거 시계열 Landsat 토지이용도를 이용하여 CA-Markov기법으로 예측된 토지이용을 사용하였으며, 미래의 식생정보 예측을 위하여 NOAA/AVHRR 위성영상으로부터 추출된 월별 NDVI(1998-2002)와 월평균기온간의 선형 회귀식을 도출하여 미래의 식생지수 정보를 추정하였다. 모형의 적용결과, 미래기후변화에 따른 연평균 하천유출은 현재보다 최대 2020s는 23.9%, 2050s는 40.7%, 2080s는 39.5% 증가하였다. 봄 강수량 패턴의 변화로 유출량 증가하는 것으로 나타났으며 여름에는 유출량은 감소하고 증발산량은 증가하는 결과를 보였다.
지방을 떠나 수도권으로 이동하는 청년들이 나날이 늘고 있다. 청년 유출의 요인을 파악하기 위한 연구들이 다양하게 진행되고 있으나 각 지방별로 분석하는 연구는 부족한 실정이다. 이에 따라 본 연구는 부산의 청년 인구 유출 요인을 분석하고, 머신러닝 기법을 사용해 청년 인구 유출 위험 등급을 예측하고자 한다. 국가통계포털에서 수집한 부산의 구별 데이터를 활용하여 나이대(20대 초반, 20대 후반, 30대 초반)별로 세 그룹으로 나눈 뒤, 의사결정나무와 랜덤 포레스트 알고리즘을 이용해 청년 인구 유출 위험 등급을 분류하고 예측한다. 그 결과, 청년 인구 유출 위험 등급 예측 모델은 나이 그룹별 각각 최고 정확도 0.93, 0.75, 0.63을 갖는다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.