• 한국세라믹학회지
• /
• 제39권12호
• /
• pp.1183-1189
• /
• 2002

고강도의 다공성 알루미나 세라믹을 제조하기 위하여, 기공 전구체로서 흑연을 첨가한 후, 방전 플라즈마 소결시의 제조조건을 체계적으로 조사하였다. 제조한 다공성 알루미나에 대하여, 기공률과 기공분포 및 압축강도 등을 조사하였다. 알루미나에 흑연을 10∼50 vol%까지 첨가하여 방전 플라즈마 소결법으로 1차 소결체를 제조한 후, 공기 중 흑연을 열분해시켜 최종적으로 다공성 알루미나를 제조하였다. 그 결과, 소결온도 1000${\circ}C$, 유지시간 3 min, 압력 30 MPa, 승온속도 80${\circ}C$/min, 펄스방법 12:2의 조건에서 높은 기공률의 다공성 소결체를 얻을 수 있었다. 일례로, 10∼30 vol%의 흑연을 첨가하여 제조한 다공성 알루미나의 경우, 약 50∼57%의 높은 기공률을 나타내었다. 또한, 흑연의 함량이 증가함에 따라 개기공률은 지속적으로 증가하였다. 이러한 기공특성과 흑연함량의 상호관계는 클러스터의 수와 크기에 의존하는 퍼콜레이션 모델에 의해 설명될 수 있다. 한편, 10∼30 vol%의 흑연을 첨가하여 제조한 다공성 알루미나의 경우, 55∼200 MPa의 높은 강도값을 나타내었다. 이와 같은 강도의 향상은 펄스전원에 의한 분말 입자간 방전 및 자기발열작용의 영향으로 생각된다.

• 한국토양비료학회지
• /
• 제45권6호
• /
• pp.1203-1210
• /
• 2012

밭 재배면적이 증가하면서 토양내 수분함량에 따른 적정관개가 작물생산성에 중요한 역할을 기 때문에 손쉽게 농가에서 포장의 토양수분함량을 파악하고 대처하는 것이 중요하다. 본 시험은 농경지에서 간단한 일 기상자료와 관개이력으로 물 수지 및 토양수분함량을 일단위로 추정하기 위하여 AFKAE0.5 토양수분추정모형을 개발하고 이를 검증을 하고자 하였다. 다양한 토양의 특성을 단순화 하기 위해 대상토양을 300mm의 균일한 토양으로 가정하였고 대상 토양지하에서 물 이동을 정의하기 위하여 토양수분장력에 따른 3개의 수분영역을 설정하여 투수량과 상승량을 산출하여 물 수지에 반영하였다. 토양 물수지에서 투입요인으로는 강우, 관개, 수분 상승량을 설정하였고 산출요인으로는 증발산, 유거, 투수량을 설정하여 모형을 개발하였다. 각 요인의 물량 산출을 위한 추정모형은 문헌 및 보고서를 이용하여 작성하였으며 모형을 검증하기 위해 공주지역 고추포장을 대상으로 작부기간 동안 AFKAE0.5 모형을 이용하여 모의하여 물 수지를 산출하였으며 모형의 검증을 위하여 실제 포장에서 층위별 센서를 이용하여 측정한 토양수분함량 변화 값을 비교하였다. 대상 포장에 대해 AFKAE0.5 모형의 모의 결과 투입부분으로 연간 강우, 관개, 수분상승량은 각각 1,043, 0, 207 mm이었으며 산출요인으로 증발산, 유거, 투수량은 각각 831, 309, 161 mm로 산출되어 투입된 물보다 산출된 물의 양이 88 mm 많았다. 또한 작부기간중 증발산량에 대해 지하에서 상승하는 수분량이 24.7%에 해당되어 건조기에 지하에서 모세관 등을 통해 상승하는 양도 상당한 것을 알 수 있었다. 작부기간 중 토양수분 측정값과 AFKAE0.5 모형의 모의 값과 토양수분함량의 변화를 일별로 비교한 결과 포화 되었을 때의 수분함량이 유사하였으며 건조에 따른 수분함량 일별 감소비율이 매우 유사하게 나타나고 있어 모형이 적합한 것으로 평가되었다. 개발된 AFKAE0.5 토양 물수지 및 수분추정 모형은 농가에서 손쉽게 자가 포장에 대한 기본적인 영농이력을 알고 있으며 포장의 수분상태를 알 수 있고 적정관개를 할 수 있는 유용한 도구로서 역할을 할 것으로 기대된다.

• Applied Biological Chemistry
• /
• 제44권2호
• /
• pp.97-102
• /
• 2001

제주도에서 지하수의 충전지역으로 중요한 역할을 하고 있는 한라산의 중산간 지역에 집중적으로 골프장이 건설되고 있어 잔디 관리용으로 살포된 농약에 의한 지하수의 오염이 우려되고 있다. 흡착제인 활성탄, Orpar또는 zeolite를 Iysimeter 형태의 모형그린에 35 cm 깊이에 3 cm 두께로 처리하여 농약의 용탈 억제 효율을 비교하였다. 시험 농약으로는 fenitrothion, triadimefon, diniconazole을 수화제로 모형그린 표면에 살포하였으며 통상적인 그린 관리 조건하에서 농약의 용탈현상을 조사하였다. 용탈현상은 주로 자연강우에 의해 발생되었으며 비강우시의 관수는 농약의 용탈에 큰 영향을 미치지 않았다. 잔류성이 짧거나 흡착성이 큰 농약인 fenitrothion과 triadimefon의 용탈은 강우량이 많은 조사 초기에만 매우 제한적으로 일어났으며 특히 fenitrothion은 용탈 가능성이 거의 없는 농약으로 나타났다. 잔류성이 긴 diniconazole은 조사기간 동안 지속적으로 또 가장 높은 농도로 용탈되었다. 따라서 투수성이 크고 유기화합물에 대한 흡착력이 낮은 사질의 그린 조건에서는 농약의 잔류성이 용탈에 영향을 미치는 주 요인으로 나타났다. 초기 살포량을 기준으로 계산된 용탈율을 보면 fenitrothion과 triadimefon은 0.2% 이하였으며 diniconazole은 1.8% 정도로 비교적 높았다. 흡착제의 처리로 이들 농약의 용탈을 크게 감소시킬 수 있는 것으로 나타났는데, 특히 활성탄과 Orpar를 흡착제로 처리한 모형그린에서 농약의 용탈율을 0.01%이하로 감소시킬 수 있었다. 흡착제를 처리하지 않을 경우에 용탈수 중에서 검출된 농약의 농도는지하수로 유입된다 하여도 음용수의 수질 측면에서 문제가 되지 않을 정도로 낮았으며, 활성탄과 같은 흡착제를 처리함으로써 골프장에서의 농약 용탈 문제를 보다 근원적으로 차단할 수 있을 것으로 판단된다.

• 한국습지학회지
• /
• 제25권2호
• /
• pp.99-110
• /
• 2023

농업지역에서 발생하는 비점오염물질은 타 지역에 비해 넓은 면적에서 배출되기 때문에 수질관리를 위해서는 발생원 제어와 배출수 관리와 같은 다양한 오염원 저감대책이 필요하며, 이를 위해서는 유역특성을 고려한 오염원별 배출량 및 최적관리방안에 따른 수질개선 효과를 정량적으로 파악할 필요가 있다. 이에 본 연구는 Hydrological Simulation Program-FORTRAN(HSPF)모델을 활용하여 유역내 오염원별 부하 및 주요 오염원저감방안에 대한 수질개선효과를 분석하여 농업지역의 비점오염관리대책 수립 지원을 목적으로 하였다. 연구지역은 경남 창녕군 계성천 유역으로 전체 면적대비 농업지역이 약 26.13%로 산림을 제외하고 지배적인 토지이용을 가지며, 주요 오염원은 농업활동에 기인하는 화학비료 및 액비살포와 축사에서 발생하여 야적 또는 농지에 살포되는 축분을 포함하고 있다. 계성천 유역에 대한 HSPF 모델 구축시 화학비료와 액비 사용량, 소규모 축사의 축분 발생량과 공공하수처리장, 분뇨처리장, 마을하수도 및 개인오수처리시설 등 점오염원 영향을 고려하였다. 특히 본 연구에서는 영양염류의 식생흡수, 침적, 흡탈착, 깊은침투에 의한 손실 등 상세 순환기작모의가 가능하도록 NITR 및 PHOS모듈을 활용하였다. 구축된 모델은 유역말단의 2015~2020년 측정값을 토대로 보·검정을 수행하였으며 모델이 유량 및 수질을 적절히 모의하는 것을 확인하였다. 오염저감시나리오는 농업비점관리(배수물꼬관리, 완효성비료와 사용), 축산비점관리(액비저감, 소규모 축사 축분관리), 생활계오염원제어(개인오수처리시설 관리) 등 세 부문으로 구분하고, 달성기간에 따라 단기, 중기, 및 장기로 구분하여 부문별로 단계별 저감대책을 구성하였다. 개별시나리오 모의 결과 수질개선에 효과는 완효성비료의 대체사용>배수물꼬관리>소규모축사 축분관리 순으로 나타났다. 유역 전반에 모든 관리방안을 적용하였을 때 장기적으로 TN, TP의 연간부하량은 각각 40.6%, 41.1%, 연평균 농도는 각각 35.1%, 29.2% 감소되는 효과를 보였다. 본 연구를 통하여 농업활동 우세 유역에서의 다양한 오염원 저감시나리오별 수질개선효과에 대한 예측 및 이에 기반한 오염관리대책 우선순위 도출을 위한 합리적인 방법론을 제시하고자 한다.

• 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.