• 한국토양비료학회지
• /
• 제44권2호
• /
• pp.161-167
• /
• 2011

하이부시 블루베리는 근모가 없는 섬유질 뿌리와 천근적 분포 특성으로 인하여 생장과 생육에 대한 토양수분의 영향이 매우 크다. 특히 국내 토양의 토성과 유기물 함량은 미국과 캐나다 같은 주산지와 크게 다르다. 따라서 안정된 생육과 지속적인 생산성을 확보하기 위해서는 토양수분에 대한 연구가 선행되어야 한다. 따라서 본 연구는, 국내 토양조건에서, 북부형 하이부시 블루베리의 토양수분함량에 따른 생장특성을 구명함으로써 블루베리의 안정생육을 위한 적정 관수점과 최적 토양수분함량을 확립하고자 수행하였다. 본 시험에 사용된 토양의 토성은 양토 (Loam)이며, 피트모스를 30% (v/v)혼합 하였다. 토양수분은 -3,-4,-5,-8,-15 그리고 -22 kPa을 관수개시점으로 설정하여 블루베리의 양분흡수, 수체생장 그리고 과실특성을 조사하였다. 엽중 칼리함량은 토양수분포텐셜의 증가와 같은 경향이었으나, 인산과 마그네슘농도 각각 -5, -22 kPa에서 가장 높았다. 수체생장과 수량은 -4~-8 kPa을 정점으로 정규분포패턴을 나타냈으며, -15 kPa 이상에서는 생육이 크게 하락하였다. 줄기경경과 건물중은 -4 kPa에서, 수폭과 과실비대 및 과실생산량은 -5 kPa에서, 수고와 줄기개수 그리고 줄기장력은 -8 kPa에서 가장 높았다. 과실의 품질 중 당함량은 토양수분포텐셜이 증가할수록 높아지는 경향을 나타냈으나, 산함량, 안토시아닌 그리고 총 페놀함량은 차이가 없었다. 따라서 블루베리의 수체생장과 과실생산을 위한 최적의 토양수분포텐셜은 -4~-8 kPa이었으며, 이를 위한 관수 개시점은 -15 kPa 이하로 사료된다.

• 대한공간정보학회지
• /
• 제22권3호
• /
• pp.57-69
• /
• 2014

우리나라의 인구밀도는 2013년 기준, $1km^2$당 505명으로 도시국가를 제외하면 세계에서 3번째로 매우 높으며, 도심인구집중현상이 뚜렷하게 나타나고 있다. 이러한 수요를 충족시키기 위한 건축물의 대형화와 복합화 그리고 지하철 및 지하공간과의 연계화 경향이 심화되고 있으며, 이와 같은 현상으로 국민생활의 안전과 복지 증진을 위해 실내공간정보 DB와 더불어 정확한 실내측위DB 구축이 매우 필요한 상황이다. 본 연구에서는 사당역과 인천국제공항을 대상으로 모바일디바이스를 활용하여 실내 AP원시데이터를 수집하고 이를 통해 수집된 성과의 확인 보완 분석과정을 거쳐 Wi-Fi AP 위치 DB 및 RadioMap DB를 구축하였다. 또한 구축된 DB의 측위 성능 평가를 위해 인천공항 A동 지상 3층에서 10개 사당역 A동 지하 1층에서 9개의 지점을 선정하여 추정위치를 산출하여 추정위치 대비 참위치와의 거리, 즉 측위오차를 활용해 평가실험을 실시하였다. 그 결과, 전체 지점에 대한 평균과 표준편차가 인천공항은 평균 17.81m, 표준편차 17.79m, 사당역은 평균 22.64m, 표준편차 23.74m의 결과값을 얻을 수 있었다. 여기서 사당역의 경우 실외로 통하는 출입구에 인접한 지점은 가시 AP의 개수가 다른 지점 대비 크게 부족하여 측위성능이 떨어지는 것으로 해당지점을 제외한 데이터들을 종합적으로 검토하여보았을 때 구축된 DB를 활용한 측위 시 사용자의 위치가 근접한 지점으로 매핑되고 있는 것을 확인할 수 있었다. 이는 구축된 DB가 해당 지역의 Wi-Fi AP 위치 및 전파패턴 정보를 올바르게 담고 있다는 것을 의미하며 이를 토대로 한 실내공간정보 서비스가 가능할 것으로 판단된다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.