• 한국대기환경학회지
• /
• 제34권1호
• /
• pp.16-37
• /
• 2018

In this study, difference in chemical composition of $PM_{2.5}$ observed between the year 2013 and 2015 at six air quality intensive monitoring stations (Bangryenogdo (BR), Seoul (SL), Daejeon (DJ), Gwangju (GJ), Ulsan (US), and Jeju (JJ)) was investigated and the possible factors causing their difference were also discussed. $PM_{2.5}$, organic and elemental carbon (OC and EC), and water-soluble ionic species concentrations were observed on a hourly basis in the six stations. The difference in chemical composition by regions was examined based on emissions of gaseous criteria pollutants (CO, $SO_2$, and $NO_2$), meteorological parameters (wind speed, temperature, and relative humidity), and origins and transport pathways of air masses. For the years 2013 and 2014, annual average $PM_{2.5}$ was in the order of SL ($${\sim_=}DJ$$)>GJ>BR>US>JJ, but the highest concentration in 2015 was found at DJ, following by GJ ($${\sim_=}SJ$$)>BR>US>JJ. Similar patterns were found in $SO{_4}^{2-}$, $NO_3{^-}$, and $NH_4{^+}$. Lower $PM_{2.5}$ at SL than at DJ and GJ was resulted from low concentrations of secondary ionic species. Annual average concentrations of OC and EC by regions had no big difference among the years, but their patterns were distinct from the $PM_{2.5}$, $SO{_4}^{2-}$, $NO_3{^-}$, and $NH_4{^+}$ concentrations by regions. 4-day air mass backward trajectory calculations indicated that in the event of daily average $PM_{2.5}$ exceeding the monthly average values, >70% of the air masses reaching the all stations were coming from northeastern Chinese polluted regions, indicating the long-range transportation (LTP) was an important contributor to $PM_{2.5}$ and its chemical composition at the stations. Lower concentrations of secondary ionic species and $PM_{2.5}$ at SL in 2015 than those at DJ and GJ sites were due to the decrease in impact by LTP from polluted Chinese regions, rather than the difference in local emissions of criteria gas pollutants ($SO_2$, $NO_2$, and $NH_3$) among the SL, DJ, and GJ sites. The difference in annual average $SO{_4}^{2-}$ by regions was resulted from combination of the difference in local $SO_2$ emissions and chemical conversion of $SO_2$ to $SO{_4}^{2-}$, and LTP from China. However, the $SO{_4}^{2-}$ at the sites were more influenced by LTP than the formation by chemical transformation of locally emitted $SO_2$. The $NO_3{^-}$ increase was closely associated with the increase in local emissions of nitrogen oxides at four urban sites except for the BR and JJ, as well as the LTP with a small contribution. Among the meterological parameters (wind speed, temperature, and relative humidity), the ambient temperature was most important factor to control the variation of $PM_{2.5}$ and its major chemical components concentrations. In other words, as the average temperature increases, the $PM_{2.5}$, OC, EC, and $NO_3{^-}$ concentrations showed a decreasing tendency, especially with a prominent feature in $NO_3{^-}$. Results from a case study that examined the $PM_{2.5}$ and its major chemical data observed between February 19 and March 2, 2014 at the all stations suggest that ambient $SO{_4}^{2-}$ and $NO_3{^-}$ concentrations are not necessarily proportional to the concentrations of their precursor emissions because the rates at which they form and their gas/particle partitioning may be controlled by factors (e.g., long range transportation) other than the concentration of the precursor gases.

• 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.

• 한국작물학회지
• /
• 제4권1호
• /
• pp.31-71
• /
• 1968

수도원연품종간 교배육종에 있어서 지리적 생태품종 간의 잡종 초기 세대의 생육일수와 불임성의 변이에 관한 지견을 얻고자 대표적인 Indica와 Japonica 그리고 그중간형인 Beaumont 품종과 Ponlai등 7개 품종을 상호 교배하여 IRRI(북위 $14^{\circ}$17')에서 $F_1$ 을 10시간 및 14시간 조명하에서 $F_2$를 단일건계의 자연일장하에서 재배하고 수원(북위 $37^{\circ}$16')에서도 $F_1$을 10시간 및 자연일장하에, $F_2$ 및 $F_3$을 자연일장하에 각각 재배하고 출수일수 및 불임율을 조사 연구하였다. 1. 출수일수 : 1) $F_1$들은 10시간 단일하에서는 조생이 만생에 대해 우성 내지 초월성으로 나타났고 14시간 장일하에서는 우성 내지 불완전 우성으로 나타났는데 IRRI와 수원에서 모두 같았다. 2) IRRI에서 단일시기에 재배된 $F_2$는 조생이 만생에 대해 불완전우성이며 분리는 연속적이었다. 수원에서 조기재배된 $F_2$는 대부분의 조합에서 조생이 불완전우성이거나 중간성으로 적기 재배된 $F_2$는 대부분의 조합에서 만생이 불완전 우성이거나 중간성으로 나타났다. 3) 극단의 만생간의 조합에 있어서도 유효 출수 가능한 초월분리 개체가 있었다. 4) 기본영양생장성이 긴 품종들의 조합에서는 변이의 폭이 넓었고 신품종의 평균과 친계열평균 변이계수와에는 높은 상관이 있었다. 5) $F_1$이나 중간친으로 $F_2$집단의 평균 출수일수를 예측할수 있으며 $F_2$평균과 $F_3$계통 평균과에도 높은 상관이 있었으나 IRRI에서 재배된 $F_2$개체와 수원에서 재배된 $F_3$계통간의 상관은 없었다. 6) IRRI에서 재배된 $F_2$와 수원에서 재배된 $F_3$계통간에는 통계학적으로 조정된 heritability가 매우 낮아서 출수일수에 관한 선발의 효과는 단일감응성 품종에 대해서는 기대하기 어렵다. 7) $F_1$ 및 $F_2$의 평균 출수일수는 정역교배간에 차가 없거나 극소하였다. 8) 잡종의 단일감응성 측정치를 친계열별 평균과 이 평균으로 부터의 편차로 구분 계산하여 단일감응성에 기여하는 양친들의 효과에 따라 친품종을 감응성품종과 비감응성 품종을 구분 할 수 있었다. 9) 단일감응성은 $F_1$이 양친보다 높으며 $F_2$, $F_3$으로 세대가 진전함에 따라 낮아진다. 10) 온도차에 따른 $F_1$의 출수일수 반응은 양친품종보다 작으며 장일과 단일하에서의 온도반응의 차이는 품종에 따라 차이가 있었다. 2. 불임율 : 1) IRRI에서도 수원에서도 다같이 $F_1$의 불임은 조합에 따라 차가 크며 친품종의 불임율과 상관이 없었다. 또 10시간 단일하에서는 14시간 장일하에서 보다 불임율이 높았다. 2) $F_1$에서 불임이 높았던 조합이 $F_2$에서도 높았으며 단일감응성이 높은 품종과 고온감응성이 높은 품종간의 조합에서 불임이 높았고 그 분산의 폭도 넓었다. 3) $F_2$ 평균은 $F_1$보다 낮으며 $F_3$계통들의 평균은 $F_2$평균보다 낮아 세대가 진전됨에 따라 불임율이 낮아지며 $F_3$에서는 조합간의 차가 현저하지 못하게 되었다. 4) $F_2$에 있어서는 화분불임과 종실불임간에 상관이 미약하였다. 5) $F_1$과 $F_2$평균의 불임율에는 정역교배간에 차가 없었다. 6) 잡종 불임을 잡종강세에서와 같이 Griffing의 방법에 따라 조합 능력 검정을 한 결과 SCA 효과는 GCA효과보다 컸는데 SCA효과가 특히 큰 것은 감광성이 높은 품종과 감온성이 높은 품종간의 조합들이였다. 7) IRRI에서 재배된 $F_2$와 수원에서 재배된 $F_3$과에는 불임에 관해 상관이 낮으며 $F_3$에서는 $F_2$에서보다 불임율이 낮아졌다. 8) $F_2$에 있어서 출수일수와 불임율과에는 상관이 거의 없었다.