최근 계측 기술의 발전으로 압력계와 유량계 등 다양한 센서를 설치하여 상수도관망의 상태를 효과적으로 파악할 수 있게 되었으나, 도시가 광범위하게 개발됨에 따라 계측 신뢰도에 영향을 미치는 변수는 다양해지고 있다. 특히 상수도관망 분석에 중요한 영향력을 가지는 수요 데이터의 경우 직접 계측의 난이도가 높고 결측이 발생하기 쉬운 것으로 알려져 데이터 생성의 중요도가 증가하고 있다. 본 논문에서는 상수도관망에서 누락된 데이터를 정확하게 생성하기 위해 생성적 딥러닝 모델에 기반한 적대적 학습 기반 오토인코더(ATAE) 모델을 제안한다. 제안된 모델은 판별 신경망과 생성 신경망의 두 가지 신경망의 적대적 학습을 사용하여 압력 데이터로부터 수요 데이터를 생성한다. 학습이 완료된 ATAE 모델의 생성 신경망은 관망의 계측되는 압력 데이터가 존재하는 경우, 그로부터 추정된 관망 수요 데이터를 제공할 수 있다. ATAE 모델은 미국 텍사스주 오스틴의 실제 상수도망에 적용되어 성능이 검증되었다. 수요 및 압력 시계열 데이터의 불확실성 정도에 따른 ATAE 예측 결과의 정확도를 비교하여 데이터 불확실성의 영향을 분석하였으며, 또한 수요 수준에 따른 데이터 수집 기간별 생성 결과를 비교하여 이에 따른 데이터 생성 성능을 검토하였다.
상품자산(Commodity Asset)은 주식, 채권과 같은 전통자산의 포트폴리오의 안정성을 높이기 위한 대체투자자산으로 자산배분의 형태로 투자되고 있지만 주식이나 채권 자산에 비해 자산배분에 대한 모델이나 투자전략에 대한 연구가 부족한 실정이다. 최근 발전한 기계학습(Machine Learning) 연구는 증권시장의 투자부분에서 적극적으로 활용되고 있는데, 기존 투자모델의 한계점을 개선하는 좋은 성과를 나타내고 있다. 본 연구는 이러한 기계학습의 한 기법인 SVM(Support Vector Machine)을 이용하여 상품자산에 투자하는 모델을 제안하고자 한다. 기계학습을 활용한 상품자산에 관한 기존 연구는 주로 상품가격의 예측을 목적으로 수행되었고 상품을 투자자산으로 자산배분에 관한 연구는 찾기 힘들었다. SVM을 통한 예측대상은 투자 가능한 대표적인 4개의 상품지수(Commodity Index)인 골드만삭스 상품지수, 다우존스 UBS 상품지수, 톰슨로이터 CRB상품지수, 로저스 인터내셔날 상품지수와 대표적인 상품선물(Commodity Futures)로 구성된 포트폴리오 그리고 개별 상품선물이다. 개별상품은 에너지, 농산물, 금속 상품에서 대표적인 상품인 원유와 천연가스, 옥수수와 밀, 금과 은을 이용하였다. 상품자산은 전반적인 경제활동 영역에 영향을 받기 때문에 거시경제지표를 통하여 투자모델을 설정하였다. 주가지수, 무역지표, 고용지표, 경기선행지표 등 19가지의 경제지표를 이용하여 상품지수와 상품선물의 등락을 예측하여 투자성과를 예측하는 연구를 수행한 결과, 투자모델을 활용하여 상품선물을 리밸런싱(Rebalancing)하는 포트폴리오가 가장 우수한 성과를 나타냈다. 또한, 기존의 대표적인 상품지수에 투자하는 것 보다 상품선물로 구성된 포트폴리오에 투자하는 것이 우수한 성과를 얻었으며 상품선물 중에서도 에너지 섹터의 선물을 제외한 포트폴리오의 성과가 더 향상된 성과를 나타남을 증명하였다. 본 연구에서는 포트폴리오 성과 향상을 위해 기존에 널리 알려진 전통적 주식, 채권, 현금 포트폴리오에 상품자산을 배분하고자 할 때 투자대상은 상품지수에 투자하는 것이 아닌 개별 상품선물을 선정하여 자체적 상품선물 포트폴리오를 구성하고 그 방법으로는 기간마다 강세가 예측되는 개별 선물만을 골라서 포트폴리오를 재구성하는 것이 효과적인 투자모델이라는 것을 제안한다.
Support vector machines(SVM)은 비교적 최근에 등장한 데이터마이닝 기법이지만, 재무, CRM 등의 경영학 분야에서 많이 연구되고 있다. SVM은 인공신경망과 필적할 만큼의 예측 정확도를 보이는 사례가 많았지만, 암상자로 불리는 인공신경망 모형에 비해 구축된 예측모형의 구조를 이해하기 쉽고, 인공신경망에 비해 과도적합의 가능성이 적어서 적은 수의 데이터에서도 적용 가능하다는 장점을 가지고 있다. 하지만, 일반적인 SVM을 이용하려면, 인공신경망과 마찬가지로 여러 가지 설계요소들을 설계자가 선택하여야 하기 때문에 임의성이 높고, 국부 최적해에 수렴할 가능성도 크다. 또한, 많은 수의 데이터가 존재하는 경우에는 데이터를 분석하고 이용하는데 시간이 소요되고, 종종 잡음이 심한 데이터가 포함된 경우에는 기대하는 수준의 예측성과를 얻지 못할 가능성이 있다. 본 연구에서는 일반적인 SVM의 장점을 그대로 유지하면서, 전술한 두 가지 단점을 보완한 새로운 SVM 모형을 제안한다. 본 연구에서 제안하는 모형은 사례선택기법을 일반적인 SVM에 융합한 것으로 대용량의 데이터에서 예측에 불필요한 데이터를 선별적으로 제거하여 예측의 정확도와 속도를 제고할 수 있는 방법이다. 본 연구에서는 잡음이 많고 예측이 어려운 것으로 알려진 재무 데이터를 활용하여 제안 모형의 유용성을 확인하였다.
산업화와 도시개발로 인한 불투수층 면적의 증가는 수문순환 체계를 왜곡시켜 심각한 건천화를 야기한다. 이를 관리하기 위해 건천화의 정량적인 평가 및 예측이 가능한 하천건천화 영향평가 기술이 필요하다. 본 연구에서는 분포형 수문모형(Drying Stream Assessment Tool and Water Flow Tracking, DrySAT-WFT)과 시계열 GIS자료를 활용하여 전국 5대강 유역의 댐·보 유역을 대상으로 하천유입량 감소원인 평가를 실시하였다. 이를 위해 5개 하천건천화 영향요소(토양침식, 산림성장, 도로-하천 단절, 지하수이용, 도시개발)를 선정하여 1976년부터 2015년까지 GIS 기반의 시계열 공간자료를 연대별로 구축하였다. DrySAT-WFT는 2005~2015년까지 8개의 다목적댐(충주댐, 소양강댐, 안동댐, 임하댐, 합천댐, 섬진강댐, 주암댐, 용담댐) 및 4개의 유량 관측지점(오수천, 미호천, 마륵, 초강)에 대해 하천유량 검보정을 실시하였고, 검보정 결과 결정계수(R2)는 평균 0.76(0.66~0.84), Nash-Sutcliffe 모형효율은 평균 0.62(0.52~0.72)의 값을 보였다. 이를 토대로 2010년대(2006~2015)의 기상조건을 기준으로 연대별(1980년대: 1976~1985, 1990년대: 1986~1995, 2000년대: 1996~2005, 2010년대: 2006~2015) GIS자료를 이용하여 댐·보 유역의 하천유입량 변화를 계산하므로서 각 영향요소별 하천유입량 감소 기여비율을 산정하였다. 모의결과, 1980년대를 기준으로 5대강 유역평균 2010년대 풍수량(Q95)은 4.1~6.3%의 감소율을 보였고, 평수량(Q185)은 6.7~9.1%의 감소율을 보였으며, 갈수량(Q355)은 8.4~10.4%의 감소율을 보였다. 하천건천화 영향요소 중에서 지하수 이용량의 증가로 인한 기저유량 감소(하천건천화 기여율: 40.5%)가 가장 큰 영향을 주었으며, 다음으로는 산림성장에 의한 증발산량 증가(하천건천화 기여율: 29.0%)로 나타났다.
황강은 1989년 합천 본댐 및 조정지댐의 건설후 하도폭, 하상재료, 식생 및 하천구간내 사주의 형성 등 많은 하천 지형학적 변화가 있었다. 이러한 변화는 댐 건설후 흐름 및 유사이송의 변화에 기인한다. 합천댐은 약 591천 $m^3$/년의 유사를 차단한 것으로 파악되었다. 조정지댐 준공후 연최대피크 방류량은 654.7 $m^3$/s에서 126.3 $m^3$/s로 감소되었다 (댐건설전의 19.3%). 합천조정지댐 하류로부터 낙동강 합류점까지 45 km 구간의 1982, 1993 및 2004년의 항공사진을 분석한 결과 비식생하도폭(non-vegetated active channel width)은 평균 152m 감소되었다 (1982년의 약 47%). 비식생하도의 면적 역시 평균 6.6$km^2$ (1982년의 44%)가 감소하였다. 평균 중앙입경(D50)의 크기는 1983년 및 2003년에 1.07mm에서 5.72 mm로 평균 하상구배는 0.000943에서 0.000847로 각각 변하였다. 하상 세굴깊이는 조정지댐으로 부터 하류 20 km 구간에서 평균 약 2.6 m였다. 1차원 유사모형인 GSTAR-1D를 이용하여 장기하상변동을 예측하였는데 최심하상고는 2013-2015년 사이에 안정된 상태에 도달하는 것으로 나타났다. 합천 조정지댐에 의해 홍수기에 발생되는 흐름파가 하류 하천 지형변화에 미치는 영향을 파악하기 위해 해석적인 방법을 개발하고 유사모의모형으로 예측한 값과 비교 검토한 결과, 일주기파(daily pulse)와 홍수피크(flood peak)는 각각의 평균값이 흐를 때와 비교하여 하천지형변화에 훨씬 큰 영향을 미치는 것으로 나타났는데 이는 각각의 평균일 경우 보다 21%와 15%의 유사이송량의 증가를 보여주었다.
분위사상법(QM, Quantile Mapping)은GCM(Global Climate Model) 자료의 계통적 오차를 보정하여 보다 신뢰성 높은 자료로 재생성하기 위해 활용되고 있다. 이 기법은 사상(mapping)시키려는 대상(object) 자료의 통계분포모수가 정상적(stationarity)이라는 가정 하에 대상 자료의 누적확률분포(CDF, Cumulative Distribution Function)를 목표(target) CDF에 통계적으로 투영시키는 것이 일반적이다. 따라서 GCM에서 제공되는 미래 기후시나리오의 강우시계열과 같이 비정상성(non-stationarity)을 갖는 장기 시계열자료에 대한 적용에는 문제점을 보이고 있다. 본 연구에서는 비정상성을 갖는 장기시계열자료의 오차보정을 위해 통계분포모수에 경향성을 부여하는 비정상성 분위사상법(NSQM, Nonstationary Quantile Mapping)을 적용하였다. NSQM 적용을 위한 확률분포로 수문분야에서 광범위하게 쓰이고 있는Gamma 분포를 선정하였으며, 대상 시나리오는 CCCma (Canadian Centre for Climate modeling and analysis)에서 제공하고 있는 CGCM3.1/T63모형의 20C3M(reference scenario)과 SRES A2 시나리오(projection scenario)를 활용하였다. 한강유역 내 관측기간이 충분한 10개의 지상관측소로부터 강우량을 수집하였다. 또한 6월과 10월사이에 연 강수량의 65% 이상이 집중되는 한반도의 계절성을 반영하기 위해 홍수기(6~10월)와 비홍수기(11~5월)를 구분하였고, 기준기간(Baseline)은 1973~2000년, 전망기간(Projection)은 2011~2100년으로 구분하였다. 다양한 목표분포의 설정을 통하여 NSQM의 적용성을 평가하고자 하였으며, 전망기간은 FF시나리오(Foreseeable Future Scenario, 2011~2040년), MF시나리오(Mid-term Future Scenario, 2041~2070년), LF시나리오(Long-term Future Scenario, 2071~2100년)의 3개의 구간으로 설정하여 기준기간과 전망기간의 연평균 강우량에 대한 경향성분석을 실시하였다. 그 결과NSQM이 FF시나리오에서 330.1mm(25.2%), MF시나리오에서 564.5mm(43.1%), LF시나리오에서 634.3mm(48.5%)로 증가하는 전망결과를 나타내고 있었다. 정상성기법을 적용한 결과, 전망기간 중 전체적으로는 동일한 평균값을 갖는 목표통계모수를 사용한다고 하여도, 전망전반부에서 과다하고, 후반부에서 오히려 과소한 전망을 보여주고 있었다. 이러한 결과는 비정상성기법을 사용함으로써 상당부분 개선될 수 있음을 확인하였다.
기후변화에 따른 집중호우, 태풍 등의 발생빈도의 증가로 인하여 댐 운영의 고도화가 요구되고 있다. 일반적으로 댐 운영의 경우 강우예측, 강우-유출, 홍수추적 등 다양한 수리수문학적 요소들을 반영하여 수행되나 기 계획된 특정 규칙에 기반한 댐 운영 모형의 경우, 때때로 개별 모듈들의 불확실성과 복합적인 인자들로 인하여 댐의 방류량을 능동적으로 제어하는데 제약이 있을 수 있다. 본 연구는 남강댐 직하류 홍수피해 예방을 위하여 댐의 방류량 결정 등 효율적인 댐 운영을 지원하기 위해 딥러닝 기반 LSTM (Long Short-Term Memory) 모형을 구축하고, 선행시간별 댐직하류 수위예측 정확도를 분석하는 것을 목적으로 한다. LSTM 모형의 입력자료는 댐 운영에 사용되는 기초자료 및 하류 장대동 수위관측소의 수위 자료를 시 단위로 2009년부터 2021년 7월까지 수집하였다. 2009년부터 2018년 자료는 모형의 학습과 검증 및 2019년부터 2021년 7월 자료는 선행시간을 7개(1 h, 3 h, 6 h, 9 h, 12 h, 18 h, 24 h)로 구분하여 관측 수위와 예측 수위를 비교·분석하였다. 그 결과, 선행시간 1시간의 예측결과는 평균적으로 MAE가 0.01 m, RMSE가 0.015 m, NSE가 0.99 로 관측 수위에 매우 근접한 예측 결과를 나타내었다. 또한, 선행시간이 길어질수록 예측 정확도는 근소하게 감소하였지만, 관측 수위의 시간적 패턴을 유사하게 안정적으로 예측하는 것으로 분석되었다. 따라서 수리수문학적 비선형의 복잡한 자료간의 특징을 자동으로 추출하여 예측 자료를 생산하는 LSTM 모형은 댐 방류량 의사결정에 있어 활용이 가능할 것으로 판단된다.
본 연구에서는 잔류간극수압의 추정에 관한 기존의 해석해에서 지적된 오류를 수정한 Lee et al.(2015a)의 연구결과를 진행파와 흐름의 공존장으로 확장한다. 이 때, 흐름이 없는 경우를 대상으로 한 Lee et al.(2015a)의 이론결과에 흐름에 의한 입사파의 주기와 파장의 변화를 고려하여야 한다. 검증에서는 Laplace 변환법으로부터 무한 두께의 경우에 대해서만 해를 제시한 Jeng and Seymour(2007)의 해석해와 Fourier 급수전개법에 의한 본 해석해의 두 결과를 비교하여 각각 상이한 형태를 갖는 두 해석해의 결과가 완전히 동일하다는 것을 확인할 수 있었다. 따라서, 유한, 무한 및 얕은 두께의 해저지반에 대한 각 해석해에 흐름속도의 크기와 방향, 지반두께 및 입사파 주기 등을 변화시켜 잔류간극수두의 변화특성을 면밀히 분석 검토하였다. 제시되는 각 해석해에서 지반두께의 변화에 의해 유한 두께의 토층에서 얕은 두께로의 점근적인 접근은 가능하지만, 무한 두께로의 접근은 불가능하며, 유한 두께와 무한 두께의 사이에는 동일한 토층 두께에 대해서도 서로의 결과가 일치하지 않는 경우가 있다는 것을 확인할 수 있었다.
본 논문에서는 최근 국제 해운시장의 동향과 국내 해운시장의 위기설에 대한 국내외적 요인을 정성적으로 파악하고, 국내 해운시장의 위기 이후 감소한 부산 신항의 물동량이 다시 회복세를 보일 수 있는 특성요인을 파악하고자 부산 신항의 향후 물동량에 대해 정량적으로 분석하여 사전적 예측추이의 파악과 회복세 추이를 분석하였다. 빅데이터 분석 툴인 R을 활용하여 부산 신항 컨테이너 물동량을 분석한 결과, 부산 신항 컨테이너 물동량의 변동은 승법계절 ARIMA 모델 (1,0,1)(1,0,1)[12]로 추정하였을 때, 추정오차와 AICc, BIC기준으로 가장 최적의 ARIMA모형인 것으로 나타났다. 따라서 부산 신항 물동량 추정의 최적의 모델인 ARIMA (1,0,1)(1,0,1)[12]에 의해 향후 36개월간의 부산 신항 물동량을 추정치를 예측한 결과, 13,157,184 TEU, 13,418,123 TEU, 13,539,884 TEU, 4,526,406 TEU 등으로 약 2%, 2%, 1%정도 증가하는 것으로 나타났다.
본 연구에서는 다중위성 강수자료의 수문학적 적용성을 평가하기 위하여 Tropical Rainfall Measuring Mission (TRMM) Multi-satellite Precipitation Analysis (TMPA), Global Satellite Mapping of Precipitation (GSMaP), Climate Prediction Center (CPC) Morphing technique(CMORPH) 등 전 지구 규모의 고해상도 다중위성 강수자료와 분포형 수문모형을 이용하여 유출모의를 수행하였다. 충주댐 유역에 대하여 2002년 1월 1일부터 2009년 12월 31일까지의 기간에 대하여 Coupled Routing and Excess Storage (CREST) 모형을 적용하였다. 분석기간은 준비기간(2002-2003년, 2006-2007년), 보정기간(2004-2005년), 그리고 검증기간(2008-2009년)으로 구분하여 모의를 수행하였다. 각 다중위성 강수자료를 지상관측자료와 비교결과, 강수의 계절적 변동특성은 잘 반영하고 있으나 연강수량합계 및 월평균강수량에서 TMPA는 과대추정을, GSMaP과 CMORPH는 과소추정하는 경향을 보여주었다. 또한 유출분석결과, TMPA를 제외한 GSMaP과 CMORPH의 충주댐 유역에 대한 수문학적 적용성이 매우 낮은 것을 알 수 있었으며, 향후 다중위성 강수자료의 활용에 앞서 통계적 보정이나 강수알고리즘에 대한 개선이 필요한 것으로 판단된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.