• 대한환경공학회지
• /
• 제34권12호
• /
• pp.792-800
• /
• 2012

본 연구는 남한강과 북한강 유역 내 경작지 각 3개소(site A, B, C)를 대상으로 Web GIS-based VFSMOD System의 HUFF & SCS UH-based VFS Design Module을 적용하여 강우 시 경작지에서 유출되는 고형물질 유출저감을 모의하였다. 북한강 유역 내에 위치한 site A의 노지 밭의 토지경사도 5%, 강우 106.2 mm 조건에서 고추 및 옥수수를 재배할 경우, 70% 이상의 고형물질 유출저감 효율을 얻기 위해서는 초생대 폭이 최소 0.5 m 이상, 토지경사도 10%인 경우 70% 이상의 고형물질 유출저감 효율을 얻기 위해서는 초생대 폭이 최소 1.0~1.5 m 이상 유지해야 한다. 남한강 유역 내에 site B의 노지 밭의 토지경사도 5%, 강우량 95.1 mm 조건에서 토마토 및 땅콩을 재배할 경우, 70% 이상의 고형물질 유출저감을 위해서는 초생대의 폭이 최소 0.5 m, 토지경사도 10%인 경우 50% 이상의 고형물질 유출저감을 위해서는 최소 1.0 m 이상의 폭을 갖는 초생대를 설치해야 하는 것으로 나타났다. 남한강 유역 내에 site C의 노지 밭의 토지경사도 5%, 강우량 102.6 mm 조건에서 고구마 및 콩을 재배할 경우, 64.0% 이상의 고형물질 유출저감을 위해서는 초생대의 폭이 최소 1.0 m, 초생대를 설치해야 하는 것을 분석되었다. 또한, 동일한 조건에서 강우지속시간 2시간의 강우량을 151.2 mm로 증가시킬 경우, 62.0% 이상의 고형물질 유출저감을 위한 초생대의 최소 폭은 1.0 m 이상 설치해야 하는 것으로 분석되었다. 초생대 시설은 경작지와 같은 토지이용 시 친환경적인 고형물질 유출저감 방안으로 검토될 수 있으며, Web GIS-based VFSMOD System을 이용하여 다양한 토지특성과 강우 사상을 반영하여 적정한 규모의 초생대 설계가 가능할 것으로 분석되었다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.59-83
• /
• 2018

고객과 대중의 니즈를 파악하기 위한 감성분석의 중요성이 커지면서 최근 영어 텍스트를 대상으로 다양한 딥러닝 모델들이 소개되고 있다. 본 연구는 영어와 한국어의 언어적인 차이에 주목하여 딥러닝 모델을 한국어 상품평 텍스트의 감성분석에 적용할 때 부딪히게 되는 기본적인 이슈들에 대하여 실증적으로 살펴본다. 즉, 딥러닝 모델의 입력으로 사용되는 단어 벡터(word vector)를 형태소 수준에서 도출하고, 여러 형태소 벡터(morpheme vector) 도출 대안에 따라 감성분석의 정확도가 어떻게 달라지는지를 비정태적(non-static) CNN(Convolutional Neural Network) 모델을 사용하여 검증한다. 형태소 벡터 도출 대안은 CBOW(Continuous Bag-Of-Words)를 기본적으로 적용하고, 입력 데이터의 종류, 문장 분리와 맞춤법 및 띄어쓰기 교정, 품사 선택, 품사 태그 부착, 고려 형태소의 최소 빈도수 등과 같은 기준에 따라 달라진다. 형태소 벡터 도출 시, 문법 준수도가 낮더라도 감성분석 대상과 같은 도메인의 텍스트를 사용하고, 문장 분리 외에 맞춤법 및 띄어쓰기 전처리를 하며, 분석불능 범주를 포함한 모든 품사를 고려할 때 감성분석의 분류 정확도가 향상되는 결과를 얻었다. 동음이의어 비율이 높은 한국어 특성 때문에 고려한 품사 태그 부착 방안과 포함할 형태소에 대한 최소 빈도수 기준은 뚜렷한 영향이 없는 것으로 나타났다.