• 한국식품위생안전성학회지
• /
• 제26권1호
• /
• pp.57-63
• /
• 2011

다양한 식품첨가물의 사용과 소비가 증가하고 있으며, 최근 어린이기호식품을 통한 타르색소 등 첨가물의 섭취량이 늘어가고 있다. 본 연구는 시중 유통중인 학교 주변 어린이기호식품을 대상으로 식용색소 황색 제 4호(Y4), 황색 제5호(Y5), 청색 제1호(B1), 청색 제2호(B2), 적색 제2호(R2), 적색 제3호(R3), 적색 제40호(R40), 적색 제102호(R102), 녹색 제3호(03)등 국내 허용된 타르색소 9종에 대한 실태조사를 실시하고 모니터링 분석을 통하여 노출량, 위해성 평가를 수행하였다. 그 결과, 어린이기호식품 82종(과자류 3종, 캔디류 71종, 초콜릿 4종, 음료류 4종)을 통한 타르색소의 섭취수준이 매우 낮고 상위섭취군(95th percentile)에서도 일일섭취허용량(ADI)의 0~3.56%에 불과하였다. 결론적으로 어린이기호식품 섭취에 따른 어린이의 타르색소에 대한 위해성 수준은 매우 낮은 것으로 판단되며, 타르색소 9종 각각의 일일추정섭취량(EDI)이 평균적으로 FAO/WHO에서 권장하는 양보다 낮아 안전한 수준으로 평가되었다. 그러나 어린이기호식품에 사용되는 식품첨가물은 보편적으로 몇 가지 첨가물이 복합적으로 사용되고 있어 어린이의 식품첨가물 섭취에 대한 지속적인 모니터링과 그에 따른 적절한 관리가 필요할 것이다.

• 한국식품위생안전성학회지
• /
• 제26권4호
• /
• pp.448-453
• /
• 2011

본 연구는 학교주변에서 유통되는 어린이기호식품 중 빙과류, 음료류, 캔디류를 대상으로 인공감미료 4종(삭카린나트륨, 아스파탐, 아세설팜칼륨, 수크랄로스)의 사용실태와 사용량을 분석하였다. 이에 따른 어린이의 일일추정섭취량 (Estimated Daily Intake, EDl)을 산출하여 일일섭취허용량 (Acceptable Daily Intake, ADI)과 비교함으로써 위해성평가를 실시하였다. 어린이기호식품 섭취에 대한 인공감미료 4종의 함량을 분석한 결과, 빙과류, 음료류, 캔디류의 평균 함량은 삭카린나트륨의 경우 각각 0.41, 0.47, 0.00 mg/kg, 아스파탐은 0.00, 20.54, 197.09 mg/kg, 아세설팜칼륨은 0.00, 28.10, 0.00 mg/kg, 수크랄로스는 9.99, 1.40, 0.00 mg/kg으로 나타났다. 섭취량 분석 결과, 그 수준이 평균적으로 매우 낮고 상위섭취군(95th)에서도 ADI의 0~2.66%에 불과한 것으로 나타나 어린이기호식품 섭취에 따른 어린이의 인공감미료에 대한 위해성 수준은 매우 낮은 것으로 판단된다.

• 한국식품위생안전성학회지
• /
• 제24권2호
• /
• pp.154-161
• /
• 2009

2008년 3월부터 10월까지 광주광역시 관내 초등학교 주변에 위치한 문구점과 소형 슈퍼마켓에서 유통.판매되고 있는 과자류, 음료류, 즉석섭취 편의식품 등 어린이 기호식품을 수거하여 식품공전의 규격기준 항목을 선정하여 검사하였다. 모두 309건의 검체 중 과자류가 254건, 김밥 등 즉석편의식품이 41건, 음료류 4건, 그리고 어육가공품 등 10건이었다. 250건은 국내산 제품이었고, 50건은 수입산 이었다. 수입산 중 원신지별로 구분하면 중국산이 17건, 미국산 6건, 인도산 5건 순이었다. 과자류 중 유탕처리 제품 2건이 산가 검사항목에서 기준인 2.0을 초과하여 부적합 판정되었다(꽈배기 3.9, 스낵 4.4). 김밥 등 즉석편의식품에서는 식중독 원인균이 3건 검출되었는데, 황색포도상구균 2건, 대장균 1건이 검출되었다.

• 대한기계학회논문집A
• /
• 제41권4호
• /
• pp.263-270
• /
• 2017

조선소에서 사용되는 대형 셧오프 밸브의 개폐를 위한 용기의 경우, 저압의 고정식 대형 공기탱크가 사용되고 있는데, 이는 먼 거리에 있는 밸브에 공압을 공급해야 할 경우, 추가 배관이 필요하며 수송도중 압력 강하가 발생하는 문제점이 있다. 이에 본 논문에서는 작업자들의 편의성을 증대시키고, 공기누설로 인한 폭발 방지를 위하여 고압의 휴대형 용접식 질소용기(11 kg, 10 L 및 50 bar)의 설계를 수행하였다. 구조적으로 취약한 용접부를 최소화하기 위하여 용기의 외형을 타원형으로 설계하였으며, 기준 무게 및 용적 충족과 사용압력에 대한 구조안전성을 확립하기 위하여 용기의 두께와 장단축 비를 설계하였다. 또한 용접 잔류응력 예측을 위해 APDL(ANSYS Parametric Design Language)을 이용하여 과도 열-구조 연성해석을 수행하였으며, 내압에 의한 구조안전 및 피로수명을 검증하였다.

• 한국농림기상학회지
• /
• 제21권1호
• /
• pp.29-41
• /
• 2019

산림생태계에서 총일차생산성(Gross Primary Production, GPP)은 기후변화에 따른 산림의 생산성과 그에 영향을 미치는 식물계절, 건강성, 탄소 순환 등을 대표하는 지표이다. 총일차생산성을 추정하기 위해서는 에디공분산 타워 자료나 위성영상관측자료를 이용하기도 하고 물리지형적 한계나 기후변화 등을 고려하기 위해 기작기반모델링을 활용하기도 한다. 그러나 총일차생산성을 포함한 산림 탄소 순환의 기작기반 모델링은 식물의 생물, 생리, 화학적 기작들의 반응과 지형, 기후 및 시간 등과 같은 환경 조건들이 복잡하게 얽혀 있어 비선형적이고 유연성이 떨어져 반응에 영향을 주는 조건들을 모두 적용하기가 어렵다. 본 연구에서는 산림 생산성 추정 모델을 에디공분산 자료와 인공위성영상 정보를 사용하여 기계학습 알고리즘을 사용한 모델들로 구축해 보고 그 사용 및 확장 가능성을 검토해 보고자 하였다. 설명변수들로는 에디공분산자료와 인공위성자료에서 나온 대기기상인자들을 사용하였고 검증자료로 에디공분산 타워에서 관측된 총일차생산성을 사용하였다. 산림생산성 추정 모델은 1) 에디공분산 관측 기온($T_{air}$), 태양복사($R_d$), 상대습도(RH), 강수(PPT), 증발산(ET) 자료, 2) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD 자료(개량식생지수 제외), 3) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD, 개량식생지수(EVI) 자료를 사용하는 세 가지 경우로 나누어 구축하여 2006 - 2013년 자료로 훈련시키고 2014, 2015년 자료로 검증하였다. 기계학습 알고리즘은 support vector machine (SVM), random forest (RF), artificial neural network (ANN)를 사용하였고 단순 비교를 위해 고전적 방법인 multiple linear regression model (LM)을 사용하였다. 그 결과, 에디공분산 입력자료로 훈련시킨 모델의 예측력은 피어슨 상관계수 0.89 - 0.92 (MSE = 1.24 - 1.62), MODIS 입력자료로 훈련시킨 모델의 예측력은 개량식생지수 제외된 모델은 0.82 - 0.86 (MSE = 1.99 - 2.45), 개량식생지수가 포함된 모델은 0.92 - 0.93(MSE = 1.00 - 1.24)을 보였다. 이러한 결과는 산림총일차생산성 추정 모델 구축에 있어 MODIS인공위성 영상 정보 기반으로 기계학습 알고리즘을 사용하는 것에 대한 높은 활용가능성을 보여주었다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1117-1132
• /
• 2019

산림생태계 내의 총일차생산량은 산림 자원 생산량과 직결되고, 산림생태계의 건강성, 산림식물계절 및 생태계 서비스의 중요한 지표가 된다. 이 연구에서는 인공위성 자료와 기계학습 알고리즘을 활용하여 우리 나라의 산림유역의 총일차생산량을 연구하였다. 에디공분산 타워가 있는 6개 지점에서의 MODIS (Moderate Resolution Imaging Spectroradiometer) 산출물과 에디공분산타워의 총일차생산성으로 연구기간의 75%-80%에 해당하는 자료로 기계학습 알고리즘을 훈련하고 나머지 기간으로 구축된 모델의 총일차생산성 예측 결과를 검증하였다. 모델을 구축할 때 MODIS 지상 산출물과 대기 산출물을 조합하여 새로운 입력자료(e.g., 포화수증기압차)를 모델의 입력자료(Processed MODIS)로 사용하였을 때와 이러한 과정 없이 QC(Quality control)만 거친 MODIS 산출물을 그대로 입력자료(Unprocessed MODIS)로 사용하였을 때의 총일차생산량을 비교해 보고 그 활용 가능성에 대해 고찰하였다. 추가로 MODIS 총일차생산량 산출물(MYD17)과 에디공분산 총일차생산성 및 기계학습 알고리즘 기반의 총일차생산성과의 상관관계를 보고 그 적합성에 대해 논의하였다. 이 연구에서 사용된 기계학습 알고리즘은 Support Vector Machine (SVM)으로 산림생태계 연구에서 가장 많이 사용되고 있는 기계학습 알고리즘 중 하나이다. 기계학습 알고리즘 기반(SVM 모델)의 총일차생산량 예측 결과는 MODIS 총일차생산량 산출물(MYD17)보다 에디공분산 총일차생산량과 전반적으로 높은 상관관계를 보였고 특히 식생 성장을 시작하는 시점의 값을 좀더잘 예측하는 결과를 보였다. 단일 지역에서 Unprocessed MODIS 입력자료로 훈련된 SVM 모델 결과는 피어슨 상관계수 0.75 - 0.95 (p < 0.001), 6개의 연구 지점에서 훈련된 SVM 모델 결과는 피어슨 상관계수 0.77 - 0.94 (p < 0.001) 사이를 보였다. 이 결과는 훈련 자료에 다양한 이벤트들이 포함되면 모델의 예측력이 향상되는 가능성을 보여주었고 위성영상의 산출물을 재계산하여 새로운 산출물을 내는 과정을 거친 위성 자료가 아니어도 그 예측력에는 크게 문제가 없음을 보여주었다.