• 방사성폐기물학회지
• /
• 제14권3호
• /
• pp.235-243
• /
• 2016

우리나라를 포함한 많은 국가들에서 향후 원전 해체로 저준위폐기물이 대량으로 발생할 전망이다. 본 논문에서는 미국의 저준위방사성폐기물 처분 관련 규제 기준을 분석하고, 특히 원자력발전소의 운영 및 해체를 포함하는 전주기에서 발생하는 폐기물의 처분 옵션을 확장하는 방안으로 사용되고 있는 저준위방사성폐기물의 블랜딩에 대해 검토하였다. 2007년 미국 NRC는 미국 저준위폐기물 관리 프로그램에 대한 전략분석 결과, 방사선위험도와 성능평가에 기반한 새로운 저준위폐기물 관리 규제의 필요성을 제기하였는데, 특히 방사성핵종 농도가 다른 폐기물의 블랜딩을 처분에 대한 옵션을 다양화할 수 있는 안전한 방안으로 제시하였다. NRC는 블랜딩을 처분에 적합하도록 방사성핵종의 농도가 다른 저준위폐기물을 비교적 균일하게 혼합(mixing)하는 것으로 정의하였다. 2015년 2월 농도 평균과 포장에 대한 NRC BTP의 개정판으로 공표된 블랜딩에 대한 구체적인 기술요건을 분석하였고 국내 해체폐기물에 대한 적용 방안도 예시하였다. 대량으로 발생할 해체폐기물에 대해 블랜딩과 농도평균을 적용하면 처분 효율성을 향상시킬 수 있다. 바이오쉴드 콘크리트에 대한 농도평균 적용에 대해 예시하였다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.237-262
• /
• 2022

본 연구는 개인투자자들의 투자의사결정에 도움을 주고자, 증권신고서의 TF-IDF 텍스트 분석과 기계학습을 이용해 공모주의 상장 5거래일 이후 주식 가격 등락을 예측하는 모델을 제시한다. 연구 표본은 2009년 6월부터 2020년 12월 사이에 신규 상장된 691개의 국내 IPO 종목이다. 기업, 공모, 시장과 관련된 다양한 재무적 및 비재무적 IPO 관련 변수와 증권신고서의 어조를 분석하여 예측했고, 증권신고서의 어조 분석을 위해서 TF-IDF (Term Frequency - Inverse Document Frequency)에 기반한 텍스트 분석을 이용해 신고서의 투자위험요소란의 텍스트를 긍정적 어조, 중립적 어조, 부정적 어조로 분류하였다. 가격 등락 예측에는 로지스틱 회귀분석(Logistic Regression), 랜덤 포레스트(Random Forest), 서포트벡터머신(Support Vector Machine), 인공신경망(Artificial Neural Network) 기법을 사용하였고, 예측 결과 IPO 관련 변수와 증권신고서 어조 변수를 함께 사용한 모델이 IPO 관련 변수만을 사용한 모델보다 높은 예측 정확도를 보였다. 랜덤 포레스트 모형은 1.45%p 높아진 예측 정확도를 보였으며, 인공신공망 모형과 서포트벡터머신 모형은 각각 4.34%p, 5.07%p 향상을 보였다. 추가적으로 모형간 차이를 맥니마 검정을 통해 통계적으로 검증한 결과, 어조 변수의 유무에 따른 예측 모형의 성과 차이가 유의확률 1% 수준에서 유의했다. 이를 통해, 증권신고서에 표현된 어조가 공모주의 가격 등락 예측에 영향을 미치는 요인이라는 것을 확인할 수 있었다.