• 한국토양비료학회지
• /
• 제34권6호
• /
• pp.373-379
• /
• 2001

우리 나라 산지토양의 주요 모암에서 발달된 잔적층 암쇄를 대상으로 토양의 단면 특성, 이화학적 특성 X-선 형광분석 (XRF)을 통하여 모재에 따른 토양의 화학조성 변화와 주요한 구성원소의 풍화량을 토양층위 및 모암별로 비교하였다. 모암에 관계없이 토양의 C층에 비하여 A층에서 점토함량, 양이온 치환용량 (CEC), 유기물 함량은 높았으며, 용적밀도 ($kg\;m^{-3}$)와 pH는 낮은 경향을 보였다. 그러나 사암모재의 의성통에서는 점토함량이 감소하였는데 이는 토양과 함께 유실 되었거나 하부로 이동한 것으로 보였다. 토양 중 $SiO_2$함량은 화강암, 화강편마암, 석회암, 혈암 유래 토양에서, $Fe_2O_3$와 MgO는 현무암, 석회암, 혈암 유래 토양에서, CaO는 석회암 유래 토양에서 각각 높았다. 현무암 모재의 구좌통과 석회암 모재의 장성통 토양에서 작열감량(Igniton loss)이 크게 나타났다. 토양 화학성분별 풍화 정도는 공시 토양의 모암에 관계없이 염기이온(K, Ca, Mg, Na)들의 풍화량이 Si, Al, Fe 보다 크게 나타났다. C층과 비교하여 A층의 $TiO_2$의 함량비가 클수록 화학성분의 풍화정도가 큰 토양으로 나타났으며, 이는 $TiO_2$가 다른 원소보다 풍화에 상대적으로 안정된 광물이기 때문인 것으로 보인다. 각 원소의 절대적 함량비를 고려할 때 화강암, 화강편마암, 사암, 혈암, 현무암 유래 토양에서는 Si, Al의 유실이 심했으나 석회암 유래 토양에서는 탄산염의 빠른 풍화로 Ca, Mg이온의 풍화량이 많았다. 화학 성분의 풍회가 큰 토양은 사암 유래 의 성통과 화강암 유래 도산통 >> 혈암 유래 음성통과 석회암 유래 장성통 > 화강편마암 유래 덕산통 > 현무암 유래의 구좌통 순이었다.

• Asia pacific journal of information systems
• /
• 제24권2호
• /
• pp.233-253
• /
• 2014

Can the stock market really be predicted? Stock market prediction has attracted much attention from many fields including business, economics, statistics, and mathematics. Early research on stock market prediction was based on random walk theory (RWT) and the efficient market hypothesis (EMH). According to the EMH, stock market are largely driven by new information rather than present and past prices. Since it is unpredictable, stock market will follow a random walk. Even though these theories, Schumaker [2010] asserted that people keep trying to predict the stock market by using artificial intelligence, statistical estimates, and mathematical models. Mathematical approaches include Percolation Methods, Log-Periodic Oscillations and Wavelet Transforms to model future prices. Examples of artificial intelligence approaches that deals with optimization and machine learning are Genetic Algorithms, Support Vector Machines (SVM) and Neural Networks. Statistical approaches typically predicts the future by using past stock market data. Recently, financial engineers have started to predict the stock prices movement pattern by using the SNS data. SNS is the place where peoples opinions and ideas are freely flow and affect others' beliefs on certain things. Through word-of-mouth in SNS, people share product usage experiences, subjective feelings, and commonly accompanying sentiment or mood with others. An increasing number of empirical analyses of sentiment and mood are based on textual collections of public user generated data on the web. The Opinion mining is one domain of the data mining fields extracting public opinions exposed in SNS by utilizing data mining. There have been many studies on the issues of opinion mining from Web sources such as product reviews, forum posts and blogs. In relation to this literatures, we are trying to understand the effects of SNS exposures of firms on stock prices in Korea. Similarly to Bollen et al. [2011], we empirically analyze the impact of SNS exposures on stock return rates. We use Social Metrics by Daum Soft, an SNS big data analysis company in Korea. Social Metrics provides trends and public opinions in Twitter and blogs by using natural language process and analysis tools. It collects the sentences circulated in the Twitter in real time, and breaks down these sentences into the word units and then extracts keywords. In this study, we classify firms' exposures in SNS into two groups: positive and negative. To test the correlation and causation relationship between SNS exposures and stock price returns, we first collect 252 firms' stock prices and KRX100 index in the Korea Stock Exchange (KRX) from May 25, 2012 to September 1, 2012. We also gather the public attitudes (positive, negative) about these firms from Social Metrics over the same period of time. We conduct regression analysis between stock prices and the number of SNS exposures. Having checked the correlation between the two variables, we perform Granger causality test to see the causation direction between the two variables. The research result is that the number of total SNS exposures is positively related with stock market returns. The number of positive mentions of has also positive relationship with stock market returns. Contrarily, the number of negative mentions has negative relationship with stock market returns, but this relationship is statistically not significant. This means that the impact of positive mentions is statistically bigger than the impact of negative mentions. We also investigate whether the impacts are moderated by industry type and firm's size. We find that the SNS exposures impacts are bigger for IT firms than for non-IT firms, and bigger for small sized firms than for large sized firms. The results of Granger causality test shows change of stock price return is caused by SNS exposures, while the causation of the other way round is not significant. Therefore the correlation relationship between SNS exposures and stock prices has uni-direction causality. The more a firm is exposed in SNS, the more is the stock price likely to increase, while stock price changes may not cause more SNS mentions.

• 생태와환경
• /
• 제51권4호
• /
• pp.268-286
• /
• 2018

조절하천의 낙동강에서 겪고 있는 부영양화와 조류 대발생(유해남조의 녹조현상 및 담수적조)은 국내외적으로 가장 급속하게 확대되고 있는 수질문제이며, 다양한 집단에서 지대한 관심을 가지게 한 분야 중 하나이다. 본 연구는 2013년 1월부터 2017년 7월까지 낙동강의 8개 보 pools에서 주요 수질 환경요인을 주 간격으로 조사하였고, 우점조류와 상호 관련성을 비교 분석하였다. 연강수량은 2016년(보 평균 940.7 mm)에 많았고, 2015년(672.8 mm)에 적었다. 장마 폭염기 (6~9월) 강우는 총강수량의 48.1%이었고, 상 하류간에 차이가 컸다. 총방류량 중 소수력발전, 월류 및 어도가 차지하는 비율은 각각 37.4%, 60.1%, 2.5%로서 홍수기를 제외하고 발전방류에 의한 비중이 매우 컸다. 방류량은 대부분 유입량에 비례하였으나, 취수량이 집중되는 보에서 다른 양상도 관찰되었다. 이것은 수위강하, 물 교환율과 연관되었고, 유해남조와 담수적조의 대발생에 심각한 영향을 초래하였다. 수온과 DO 농도의 변화는 기상 수문학적 영향이 지배적이었는데, 온도변화 뿐만 아니라 강우의 특성에 따라 변화 양상이 포착되었다. Chl-a의 평균 농도 (최대값)는 SAJ~GAJ와 DAS~HAA구간에서 각각 $17.6mg\;m^{-3}$ ($98.2mg\;m^{-3}$), $29.6mg\;m^{-3}$ ($193.6mg\;m^{-3}$)이었고, 하수의 영향이 절대적인 하류부에서 증가하는 경향이 현저하였다. 우점조류의 분류군 조성은 총 48속으로 규조 14속, 남조 8속, 녹조 18속 및 편모조 8속으로 각각 구성되었다. 유해 녹조현상과 담수적조의 주요 원인조류는 각각 남조 Microcystis와 규조 Stephanodiscus 개체군이었다.