• 한국식품위생안전성학회지
• /
• 제20권4호
• /
• pp.258-266
• /
• 2005

현재 우리나라에서 허용된 식품첨가물인 감초추출물 및 에리스리톨의 경우 천연감미료로서 식품의 제조$\cdot$가공시 다양하게 사용되고 있으나 유통식품 중 식품 중 이들 첨가물의 함유여부 및 함유량을 파악할 수 있는 분석방법이 확립되어 있지 않은 실정이다. 따라서, 본 연구에서는 식품 중 감초추출물 및 에리스리톨의 분석방법을 확립하고, 이를 적용하여 국내유통식품 중 감초추출물 및 에리스리틀의 사용실태를 파악하고자 하였다. 식품 중 감초추출물 및 에리스리톨의 분석방법에 대한 최근 국내의 문헌 및 연구논문 등 기초 자료를 참고로 감초추출물 TLC및 HPLC분석방법과 에리스리톨 HPLC 분석방법을 비교$\cdot$검토하였다. 그 결과 감초추출물은 실리카겔 TLC판을 이용하였으며 TLC 최적용매조건은 부틸알콜 : 4N 암모니아용액 : 에틸알콜 50:20:10)이었다. HPLC 분석은 글리실리진산 (glycyrrhizic acid)을 표준물질로 하여 역상계 컬럼인 Capcell pak $C_{18}$ UG120을 사용하였으며 이동상, UV파장, 컬럼온도는 각각 아세토니트릴 : 물 (38:62), 254 nm 및 $40^{\circ}C$이었다. 에리스리톨의 HPLC 분석은 에리스리톨(meso- erythritol을 표준물질로 하여 역상계 컬럼인 Shodex Asahipak NH2P-50 4E 및 RI 검출기를 사용하였으며 이동상, 컬럼온도는 각각 아세토니트릴 : 물 (75:25), $30^{\circ}C$이었다. 글리실리진산은 서울,부산 등 11개 도시에서 구매한 국내 유통 가공식품 중 장류 18품목, 소스류 12품목, 건강기능식품류 15품목, 음료류 26품목, 주류 8품목, 과자류 23품목, 절임류 3품목 등 총 7종 105품목을 대상품목으로 하였으며 이 중 장류, 소스류, 건강기능식품, 음료류, 주류에서 각각 ND$\∼$48.7 ppm, ND$\∼$5.3 ppm, ND$\∼$988.9 ppm, ND$\∼$180.7 ppm, ND$\∼$2.6 ppm의 글리실리진산이 검출되었고, 나머지 품목은 모두 불검출이었다. 에리스리틀의 경우 껌류 13품목, 캔디류 15품목, 음료류 12품목, 건강기능식품류 12품목등 총 4종 52품목을 대상품목으로 하었으며, 껌류 및 건강기능식품에서 각각 ND$\∼$155.62 ppm, ND$\∼$398.14 ppm의 에리스리톨이 검출되었으며, 나머지 품목은 모두 불검출이었다. 본 연구결과는 식품 중 천연감미료인 감초추출물 및 에리스리톨의 분석방법 확립함으로써 국내유통식품의 감초추출물 및 에리스리톨 사용실태파악 및 사후 식품의 품질관리에 기여할 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 한국가금학회지
• /
• 제46권2호
• /
• pp.65-75
• /
• 2019

본 연구는 세계식량농업기구(FAO) 가축다양성정보시스템(DAD-IS)에 등재되어 있는 우리나라 재래닭 집단의 유전적 다양성 및 외래품종과의 차별성을 분석하기 위해 25개의 초위성체(MS) 마커를 이용하여 총 18개 집단 548수의 유전자형을 분석하였고, 이를 토대로 기대($H_{\exp}$) 및 관측이형접합도($H_{obs}$), 다형정보지수(PIC), 유전거리, 유전적 균일도 등을 계산하였다. 마커별 다형성 분석 결과, 총 195개의 대립유전자가 나타났으며, $H_{\exp}$와 PIC의 경우 MCW0145에서 각각 0.646, 0.569로 가장 높았으며, $H_{obs}$의 경우 ADL0278에서 0.773으로 가장 높은 수치를 보이고 있었던 반면, MCW0078에서는 $H_{\exp}$, $H_{obs}$, PIC가 각각 0.263, 0.291, 0.217로 가장 낮은 것을 확인할 수 있었다. 집단간 다양성 분석 결과로는 MNA, $H_{\exp}$, $H_{obs}$, PIC 모두 황갈색재래종(KNY) 집단(각각 4.60, 0.627, 0.643, 0.563)에서 가장 높게, 횡성약닭(HYD) 집단(각각 1.84, 0.297, 0.286, 0.236)에서 가장 낮게 나타났다. 대립유전자형의 빈도를 바탕으로 계산된 18개 품종간의 DA 유전거리 분석 결과, 횡성약닭(HYD)와 화이트레그혼F(LGF) 집단 사이에서 0.675로 가장 먼 유전거리를 형성하고 있었으며, 같은 품종인 로드아일랜드레드 두 집단(RRC, RRD) 사이에서 0.027로 가장 가까운 유전거리를 보였다. 한편, 같은 품종임에도 불구하고, 코니시 두 집단(COS, COH)사이에서는 0.313의 비교적 먼 유전거리를 나타내고 있었다. 집단의 실제 구조를 확인하기 위한 집단별 균일도 분석 결과, K=15에서 최적의 K값(${\Delta}K:66.22$)을 얻을 수 있었으며, 18개의 집단 중 14개의 집단에서 90% 이상의 높은 유전적 균일도를 나타내며 독립적인 군락을 형성하고 있었다. 또한, 황갈색재래종(KNY), 현인흑계(HIC), 연산오계(KNO) 집단에서도 각각 88.9%, 83.9%, 76.3%로 독립적인 군락을 형성하고 있는 것을 확인할 수 있었다. 반면, 제주재래닭(JJC)의 경우 독립적인 군락을 형성하지 못하고, 황갈색재래종(KNY) 집단이 속해 있는 2번 군락에서 가장 높은 44.3%의 균일도를 보이고 있었으며, 3번 군락(17.7%)과 8번 군락(19.1%)에도 일부 포함되어 있는 것으로 보아 집단 조성 과정에 있어 타집단과의 교잡이 일어났을 것으로 추정되며, 독립적인 집단으로 구분하는 것이 어렵기 때문에 추후 개체식별을 통한 지속적인 계획교배를 실시하여 유전적 고정화 작업이 이루어질 필요성이 있을 것으로 판단된다. 이상의 결과로 DAD-IS에 등재되어 있는 우리나라 재래닭 집단이 외래 토착종 집단과 확연하게 구분이 되며, 각 재래닭 집단간에도 비교적 뚜렷하게 구분되는 것을 확인함으로써, 고유 종자로서의 과학적인 근거를 확보할 수 있었으며, 추후 재래닭 유전자원에 대한 국가 수준의 관리 및 평가를 통해 다양한 육종 소재로 이용할 수 있는 기초자료로써 활용될 수 있을 것으로 보인다.

• 한국토양비료학회지
• /
• 제12권4호
• /
• pp.189-213
• /
• 1980

1. 본(本) 연구(硏究)는 우리나라의 산림토양(山林土壤)의 형태학적(形態學的) 이학적(理學的) 화학적성질(化學的性質)이 임목생장(林木生長)에 미치는 영향(影響)을 조사(調査)하여 수종별(樹種別)로 토양조건(土壤條件)의 요구(要求) 경향(傾向)을 파악(把握)하므로서 적지적수(適地適樹) 및 비배관리(肥培管理)의 기초자료(基礎資料)를 얻고자 10여년간(余年間)에 걸쳐서 자료(資料)를 수집(蒐集)하여 수량화방법(數量化方法)의 이론(理論)을 적용(適用)하여 다변량해석(多變量解析)으로 분석(分析)한 것이다. 2. 공시수종(供試樹種)인 낙엽송(落葉松)과 잣나무는 온대중부(溫帶中部)에서 온대북부(溫帶北部) 지방(地方)에 이르기까지 조림적지(造林適地)가 광대(廣大)하게 분포(分布)되고 있고 한국(韓國)의 이대(二大) 조림수종(造林樹種)으로 되고 있으나, 적지특성(適地特性)이 밝혀지고 있지않아 조림시(造林時)에 혼동(混同)하여 조림(造林)하거나 동일지위급(同一地位級)으로 취급(取級)되어 왔으며 낙엽송(落葉松) 적지(適地)에는 잣나무를 조림(造林)하여도 비교적(比較的) 생장(生長)이 양호(良好)하나 반면(反面) 잣나무 적지(適地)에 냑엽송(落葉松)을 조림(造林)할 경우(境遇) 생장(生長)은 양호(良好)하다고는 할 수 없다. 이러한 차이(差異)에 대(對)하여 토양형태학적요인(土壤形態學的因子), 토양(土壤)의 이화학적인자(理化字的因子)가 임목생장(林木生長)에 어떻게 영향(影響)하는 것인가를 Computer를 이용(利用)하여 토양인자(土壤因子)를 추적(追敵)하여 보았다. 3. 조사(調査)된 임분(林分)은 인공조림지(人工造林地)의 성림지(成林地)로서 낙엽송(落葉松) 294plot 잣나무 259plot에서 우세목(優勢木)의 표준목(標準木)을 벌채(伐採)하여 수간석해(樹幹析解)에 의(依)하여 지위지수(地位指數)를 결정(決定)하고 당해임지(當該林地)에서 토양단면조사(土壤斷面調査)를 실시(實施)하고 층위별(層位別)로 토양시료(土壤試料)를 채취(採取)하여 토양(土壞)의 이화학적성질(理化學的性質)을 분석(分析)하여 수종별(樹種別)로 임지생산력(林地生産力) 구분표(區分表)를 만들어 토양(土壤)의 물리성(物理性) 화학성(化學性) 및 이화학성(理化學性)과 임목생장(林木生長) 관계(開係)를 구명(究明)하였다. 4. 토양(土壤)의 물리적(物理的) 요인(要因)과 임목생장(林木生長) 관계(開係)의 순위(順位)는 낙엽송(落葉松)에서는 퇴적양식(堆積樣式), 토심(土深), 토양수분(土壤水分), 표고(標高), 지형(地形) 토양형(土壤型) A층(層)의 두께, 견밀도(堅密度), 유기물함량(有機物含量), 토성(土性), 기암(基岩) 석력함량(石礫含量), 방위(方位), 경사(傾斜) 등(等)의 순위(順位)이며 잣나무는 토양형(土壤型), 견밀도(堅密度), 기암(基岩), 방위(方位) A층(層)의 두께 토양수분(土壞水分) 표고(標高) 지형(地形) 퇴직양식(堆積樣式) 토심(土深) 토성(土性) 석력함량(石礫含量) 경사등(傾斜等)의 순(順)이였다. 5. 토양(土壞)의 화학적요인(化學的要因)과 임목생장(林木生長) 관계(開係)의 순위(順位)는 낙엽송(落葉松)에서는 염기포화도(鹽基飽和度) 토양유기물(土壤有機物) 석회(石灰), C/N율(率) 유효인산(有效燐酸) pH 치환성가리(置換性加里) 전질소(全窒素) 고토(苦土) 양(陽)ion치환능력(置換能力) 염기총량(나토륨 등(等)의 순위(順位)이며 잣나무는 유효인산(有效燐酸) 염기총량(전질소(全窒素) 나토륨 C/N율(率) pH, 석회(石灰) 염기포화도(鹽基飽和度) 토양유기물(土壤有機物) 치환성가리(置換性加里) 양(陽)ion 치환능력(置換能力) 고토(苦土) 등(等)의 순(順)이였다. 6. 토양(土壤)의 이화학성(理化學性)과 임목생장(林木生長) 관계순위(關係順位)는 낙엽송(落葉松)에서는 토심(土深) 퇴적양식(堆積樣式) 토양수분(土壞水分) pH 지형(地形) 토양형(土壤型) 표고(標高) 전질소(全窒素) 견밀도(堅密度) 유효인산(有效燐酸) 토성(土性) A층(層)의 두께 염기총량(치환성가리(置換性加里) 염기포화도(鹽基飽和度) 등(等)의 순위(順位)이며 잣나무는 토양형(土壤型) 토양견밀도(土壤堅密度) 방위(方位) 유효인산(有效燐酸) A층(層)의 두께 치환성가리(置換性加里) 토양수분(土壞水分) 염기총량 표고(標高), 토심(土深) 염기포화도(鹽基飽和度) 지형(地形) 전질소(全窒素) C/N율(率) 최적양식(堆積樣式) 등(等)의 순위(順位)이였다. 7. 산림토양(山林土壤)의 물리적성질(物理的性質)과의 중상관관계(重相關關係)에서는 낙엽송(落葉松) 0.9272 잣나무 0.8996이며 토양(土壤)의 화학적성질(化學的性質)은 낙엽송(落葉松) 0.7474 잣나무 0.7365이였다. 이상(以上)과 같이 토양(土壤)의 물리적성질(物理的性質)과 임목생장관계(林木生長關係)는 토양(土壤)의 화학적성질(化學的性質) 보다는 상관성(相關性)이 높은 것으로 나타났으나 토양(土壤)의 화학적(化學的) 제인자(諸因子)에 처한 표시방법(表示方法)이 미흡(未洽)한 것이라고 사료(思料)되며 토양(土壤)의 화학적성질(化學的性質)이 물리적성질(物理的性質) 못지않게 중요(重要)한 것이라는 것을 입정하기에 이르렀다. 산림토양(山林土壞)의 형태학적(形態學的) 및 물리적(物理的) 중요인자(重要因子)와 토양(土壤) 화학적(化學的) 중요인자(重要因子)를 발췌(拔萃)한 산림토양(山林土壤)의 이화학적성질(理化學的性質)과 임목생장(林木生長)과의 중상관관계(重相關關係)는 낙엽송(落葉松) 0.9434이고 잣나무 0.9103으로서 가장높은 상관성(相關性)을 나타냈다. 8. 편상관계수(偏相關係數)에서 나타난 것과 같이 낙엽송(落葉松)은 잣나무보다 토심(土深)이 깊어야하며 퇴적양식(堆積樣式)에 있어서도 붕적토(崩積土) 포행토(匍行土)이어야하며 토양건습도(土壤乾混度)에서도 적윤지(適潤地) 내지(乃至) 습윤지(混潤地)를 요구(要求)하고 있으며 pH5.5~6.1을 요구(要求)하며 전질소(全窒素)(T-N) 토성(土性) 및 토양양료(土壞養料)도 낙엽송(落葉松)이 잣나무보다 훨씬 많은 토양조건(土壤條件)을 요구(要求)하고 있다. 즉(卽) 토심(土深) 퇴적양식(堆積樣式) 지형(地形)의 기복(起伏) 토양건습도(土壤乾混度) pH N 표고(標高) 토성등(土性等)이 낙엽송(落葉松)과 잣나무 적지(適地) 구분(區分)의 유효(有效)한 지표(指標)가 되며 토양형(土壤型) 토양견밀도(土壤堅密度)는 식재환경(植載環境)의 변이폭(變異幅)이 넓으므로 지표성(指標性)은 있으나 낮다고 할 수 있다. 적지판별(適地判]別)은 낙엽송(落葉松)은 토심(土深) 퇴적양식(堆積樣式) 지형(地形) 토양(土壤) 수분(水分) pH 토양형(土壤型) N 토성등(土性等)이 생장(生長)을 도모(圖謀)하는 지표인자(指標因子)인데 반(反)하여 잣나무는 토양형(土壤型) 토양견밀도(土壤堅密度) 유효인산(有效燐酸) 치환성가리(置換性加里) 등(等)이 생장(生長)을 도모(圖謀)하는 유효(有效)한 요인(要因)이였다. 토양양료(土壤養料)에 대(對)하여도 일반적(一般的)으로 잣나무 보다 낙엽송(落葉松)이 요구도(要求度)가 크게 나타나고 있으나 $K_2O$에 대(對)하여서만 잣나무가 낙엽송(落葉松)보다 많이 요구(要求)하고 있다. 9. 지금(只今)까지 임목생장(林木生長)에 크게 영향(影響)을 미치는 것은 산림(山林) 토양(土壤)의 물리적성질(物理的性質)이라고 하였으나 본(本) 연구결과(硏究結果) 토양(土壤)의 화학적성질(化學的性質)도 물리적성질(物理的性質) 못지 않게 매우 중요(重要)한 임목생장(林木生長) 요인(要因)이 된다는 것을 Computer를 이용(利用) 추적(追跳)하여 입정하였으며 아울러 도래(徒來) 낙엽송(落葉松)과 잣나무 적지(適地) 특성(特性)을 구명(究明)하였다.

• 한국산림과학회지
• /
• 제70권1호
• /
• pp.7-16
• /
• 1985

임목(林木)의 주체성인(主體成因)인 수간(樹幹)에 대한 각종(各種) 성장인자간(成長因子間)의 정준상관(正準相關)과 그의 관계적(關係的) 배경(背景) 및 수간(樹幹)의 총합적(總合的)인 변동분석(變動分析)에 의(依)한 수간적(樹幹的) 특징(特徵)을 파악(把握)함에 있어, 그의 최적기법(最適技法)을 탐색(探索)하기 위한 시도(試圖)로서 일본(日本)잎갈나무(Larix leptolepis)에 주성분(主成分) 및 정준상관분석법(正準相關分析法)을 도입적용(導入適用)하고, 얻어진 결과(結果)를 다음과 같이 요약(要約)한다. 1) 정형수(正形數)($x_8$)를 제외(除外)한 모든 성장인자(成長因子) 즉(卽), 수고(樹高)($x_1$), 지하고(枝下高)($x_2$), 망고(望高)($x_3$), 흉고직경(胸高直徑)($x_4$), 중앙직경(中央直徑)($x_5$), 수관폭(樹冠幅)($x_6$) 및 간재적(幹材積)($x_7$) 등(等)의 각(各) 인자간(因子間)에 강약간(強弱間)의 상관(相關)이 있으며, 특(特)히 흉고직경(胸高直徑), 수고(樹高) 및 중앙직경(中央直徑) 등(等)은 간재적(幹材積)과 고도(高度)의 상관(相關)이 있다(표(表) l 참조(參照)). 2) (1) 상장성장인자(上長成長因子)인 수고(樹高), 지하고(枝下高) 및 망고(望高) 등(等)의 합성변량(合成變量)과 간재적간(幹材積間), (2) 비대성장인자(肥大成長因子)인 흉고직경(胸高直徑), 중앙직경(中央直徑) 및 수관폭(樹冠幅) 등(等)의 합성변량(合成變量)과 간재적간(幹材積間), (3) 상장(上長) 및 비대성장인자(肥大成長因子)를 총망라(總網羅)한 6개인자(個因子)의 합성변량(合成變量)과 간재적간(幹材積間)의 정준상관계수(正準相關係數)와 정준변량(正準變量)이 각각(各各) $${(1)\;{\gamma}_{u1,v1}=0.82980^{**},\;\{u_1=1.00000x_7\\v_1=1.08323x_1-0.04299x_2-0.07080x_3}\\{(2)\;{\gamma}_{u1,v1}=0.98198^{**},\;\{u_1=1.00000x_7\\v_1=0.86433x_4+0.11996x_5+0.02917x_6}\\{(3)\;{\gamma}_{u1,v1}=0.98700^{**},\;\{u_1=1.00000x_7\\v1=0.12948x_1+0.00291x_2+0.03076x_3+0.76707x_4+0.09107x_5+0.02576x_6}$$ 등(等)과 같이 되어, 어느 경우(境遇)에서도 고도(高度)의 정준상관(正準相關)을 가지며, (1)의 경우(境遇)에는 수고(樹高)가, (2)의 경우(境遇)에는 흉고직경(胸高直徑)이, (3)의 경우(境遇)에는 흉고직경(胸高直徑)과 수고(樹高)가 각각(各各)의 정준상관(正準相關)에 절대적인 기여(寄與)를 하는 것으로서, 각종(各種) 질적성장(質的成長)의 총합특성(總合特性)은 이들 인자(因子)의 막강한 영향력(影響力)에 의해서 형성(形成)되며, 특(特)히 (3)의 경우에서 간재적(幹材積)과의 정준상관(正準相關)에 미치는 흉고직경(胸高直徑)의 영향력(影響力)은 기타(其他)의 인자(因子)에 비(比)하여 판이(判異)하게 큰 것으로 밝혀지고 있다(표(表) 2 참조(參照)). 3) 상장성장인자(上長成長因子)인 수고(樹高), 지하고(枝下高) 및 망고(望高) 등(等)의 합성변량(合成變量)과 비대성장인자(肥大成長因子)인 흉고직경(胸高直徑), 중앙직경(中央直徑) 및 수관폭(樹冠幅) 등(等)의 합성변량간(合成變量間)의 정준상관계수(正準相關係數)와 정준변량(正準變量)이 $${\gamma}_{u1,v1}=0.78556^{**},\;\{u_1=1.20569x_1-0.04444x_2-0.21696x_3\\v_1=1.09571x_4-0.14076z_5+0.05285z_6$$와 같이 됨에 따라, 각종 상장성장인자(上長成長因子)와 비대성장인자간(肥大成長因子間)의 고도(高度)의 정준상관(正準相關)에 있어 수고(樹高)와 흉고직경(胸高直徑)만의 기여도(寄與度)가 극(極)히 현저한 것으로서, 상장성장(上長成長)의 총합특성(總合特性)은 수고(樹高)에 의해서, 비대성장(肥大成長)의 총합특성(總合特性)은 흉고직경(胸高直徑)에 의해서 각각(各各) 형성(形成)된다는 사실(事實)이 확인(確認)된 것이다. 따라서 양인자(兩因子)에 대한 간재적계측(幹材積計測)에 있어서의 필수유력인(必須有力因子)로서의 과학성(科學性)이 입증(立證)된 것이라 생각한다(표(表) 2 참조(參照)). 4) 수간(樹幹)의 8개성장인자(個成長因子) 즉(卽), 8차원(次元)의 정보(情報)(특성치(特性値))를 설정(設定)된 유효목표(有效目標) 85%에 따라 3차원(次元)으로 간략화(簡約化)된 총합특성치(總合特性値) 즉(卽), 제(第) 1 ~ 제(第) 3 주성분(主成分)은 다음과 같다. 제(第) 1 주성분(主成分)($Z_1$); $Z_1=0.40192x_1+0.23693x_2+0.37047x_3+0.41745x_4+0.41629x_5+0.33454x_60.42798x_7+0.04923x_8$ 제(第) 2 주성분(主成分)($Z_2$) ; $z_2=-0.09306x_1-0.34707x_2+0.08372x_3-0.03239x_4+0.11152x_5+0.00012x_6+0.02407x_7+0.92185x_8$ 제(第) 3 주성분(主成分)($Z_3$) ; $Z_3=0.19832x_1+0.68210x_2+0.35824x_3-0.22522x_4-0.20876x_5-0.42373x_6-0.15055x_7+0.26562x_8$ 제(第) 1 주성분(主成分)($Z_1$)은 기여율(寄與率)이 63.26%나 되는 매우 높은 정보흡수력(情報吸收力)을 가진 "크기의 인자(因子)(size factor)"로서, 그의 주성분득점(主成分得點)(principal component score)은 인자부하량(因子負荷量)이 매우 높은 간재적(幹材積), 흉고직경(胸高直徑), 중앙직경(中央直徑) 및 수고(樹高) 등(等)에 의해써 결정(決定)되며, 제(第) 2 주성분(主成分)($Z_2$)은 입체적(立體的) 형상(形狀)의 지표(指標) 즉(卽), 수간(樹幹)의 입체적(立體的) 상사성(相似性)과 완구도(完溝度)를 나타내주는 "형상(形狀)의 인자(因子)(shape factor)"로서, 그의 score는 정형수(正形數)의 절대적(絶對的)인 영향력(影響力)에 의(依)해서 형성(形成)되며, 제(第) 3 주성분(主成分)($Z_3$)은 상장성장(上長成長)과 비대성장(肥大成長)과의 역관계(逆關係)의 현상(現象) 즉(卽), 수간(樹幹)의 세장(細長)(또는 굵고 짧음)의 정도를 표시(表示)하는 성장형상(成長形狀)의 지표(指標)로서, 이는 제(第) 2의 "형상(形狀)의 인자(因子)"가 된다. 이상(以上) 3개주성분(個主成分)은 그의 누적기여율(累積寄與率)이 88.36%로서 만족스러운 정보흡수역량(情報吸收力量)을 지니고 있다(표(表) 3 참조(參照)). 5) 본(本) 연구(硏究)에 적용(適用)된 주성분(主成分) 및 정준(正準) 상관분석법(相關分析法)은 적극적(積極的)인 이용개발(利用開發)에 따라서는 삼림계측(森林計測)(임목성장(林木成長)), 지위판정분류(地位判定分類), 삼림(森林) 및 임산업(林産業)의 경영진단(經營診斷), 임산가공(林産加工)(품(品))의 생산관리(生産管理) 및 기지(其地) 총합특성치(總合特性値)의 산정(算定)을 필요(必要)로 하는 분야(分野)에 많은 기여(寄與)가 있을 것으로 사료(思料)된다.