• 한국토양비료학회지
• /
• 제45권5호
• /
• pp.853-860
• /
• 2012

비산재 혼합에 의한 $CH_4$과 $CO_2$ 방출 저감 가능성을 조사하기 위해 질소 ($(NH_4)_2SO_4$) 무처리구와 처리구를 두고 비산재를 0, 5, 10% 수준으로 혼합한 후 토양 수분 변동조건 (습윤기간, 전이기간, 건조기간)에서 60일간 실험실내 항온배양실험을 통해 $CH_4$과 $CO_2$ flux를 분석하였다. 전체 항온배양기간 중 평균 $CH_4$ flux는 $0.59{\sim}1.68mg\;CH_4\;m^{-2}day^{-1}$의 범위였으며, 질소 무처리구에 비해 처리구에서 flux가 낮았는데, 이는 질소 처리시 함께 시용된 $SO_4^{2-}$의 전자수용체 기능에 의해 $CH_4$ 생성이 억제되었기 때문으로 판단되었다. 질소 무처리구와 처리구에서 비산재 10% 처리에 의해 $CH_4$ flux가 각각 37.5%와 33.0% 감소하였는데, 이는 물리적인 측면에서 미립질 (실트 함량 75.4%)인 비산재 시용에 의해 통기성 대공극량이 감소되어 $CH_4$ 확산 속도가 저감되었기 때문으로 판단되었다. 또한, 생화학적 측면에서는 비산재의 $CO_2$ 흡착능에 의해 $CH_4$ 생성의 주요 기작 중 하나인 이산화탄소 환원에 필요한 $CO_2$ 공급이 억제된 것도 원인 일 수 있다. 한편, 전체 항온 배양 기간의 평균 $CO_2$ flux ($0.64{\sim}0.90g\;CO_2\;m^{-2}day^{-1}$) 역시 질소 무처리구가 질소 처리구보다 높았다. 이는 일반적으로 질소 시비에 의해 토양 호흡량이 증가한다는 기존의 연구결과와는 상이한데, 본 연구에서 질소 처리에 의해 활성화된 미생물에 의해 $CO_2$ flux 최초 측정 시점 (처리 후 2일째) 이전에 이미 상당한 양의 $CO_2$가 이미 방출되어 실측 flux에 반영되지 못했기 때문으로 설명이 가능했다. $CH_4$과 유사하게 $CO_2$ flux도 비산재무처리구에 비해 비산재 10% 처리구에서 약 20% 감소하였는데, 이는 비산재의 원소 구성 중 Ca과 Mg과 토양수내 탄산이온의 탄산염 ($CaCO_3$과 $MgCO_3$)화 반응에 의한 $CO_2$ 침전 때문이다. 이상과 같은 비산재 처리에 의한 $CH_4$과 $CO_2$ flux 감소에 의해 지구온난화지수 역시 비산재 10% 처리구에서 약 20% 감소하였다. 따라서, 비산재는 논 토양에서 $CH_4$과 $CO_2$ 방출 저감에 효과가 있는 것으로 나타났으며, 실재 벼 재배 포장에서의 실험을 통한 추가적인 검증이 필요하다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 한국잡초학회지
• /
• 제12권1호
• /
• pp.70-79
• /
• 1992

조선왕조초기(朝鮮王朝初期)부터 농업초기정책(農業初期政策)은 지역농업(地域農業)의 현실적(現實的) 조건(條件)과 결부(結付)된 농사직설(農事直說)과 같은 농서(農書) 발간(發刊)에 의해 부여(附與)되었다. 그 책(冊)들은 새롭고, 집약적(集約的)인 농업기술(農業技術)을 제공(提供)하였다. 이 농서(農書)는 그 당시(當時)에 농촌지역(農村地域)에서 경험(經驗)된 우수한 농업기술(農業技術)을 수집(蒐集)하여 만든 것이다. 농사직설(農事直說)에 따르면 벼 재배(栽培)는 무삶이(담수직파법(湛水直播法)), 건삶이(건답직파법(乾畓直播法)), 이앙법(移秧法) 그리고 산도법(山稻法)(육도법(陸稻法))으로 분화(分化)되었다. 이들 농법(農法)에 구비된 고도기술적특성(高度技術的特性)은 과학적제초기술(科學的除草技術)과 적극적인 시비법(施肥法), 축력(畜力)과 인력용(人力用)의 농기(農機)로 일관되게 체계화(體系化)시킨 농작업방법(農作業方法)에 근거(根據)를 두고 있다는 점이다. 해안(海岸)의 습지(濕地)와 황지(荒地)의 개간(開墾)은 화경(火耕)와 윤목(輪木)이라 칭하는 제초장비(除草裝備)로 인하여 가능케 되었다. 또한 벼의 묘령단계(苗令段階)에서 토양(土壤)의 간인(間引), 토기작업(土寄作業)과 동시에 섬세한 제초작업(除草作業)을 할 수 있도록 분화(分化), 발달(發達)된 호미가 있었다. 직파(直播)벼재배(栽培)는 저류지(貯溜地)와 소택(沼澤)을 만들어 평야수전(平野水田)의 직파재배(直播栽培)를 가능케 하였으며, 곡간지답(谷間地畓)은 보(洑)를 만들어 개간했다. 이들은 관수(灌水)에 의해 제초를 쉽게 하는 동시에 관수중(灌水中) 무기영양(無機營養)을 통(通)한 토양비옥도(土壞肥沃度) 유지 및 벼의 생리적(生理的) 호조건(好條件)을 부여하여 논의 생산성(生産性)을 증대시킬 수 있었다. 또한 이앙(移秧)을 하면 더욱 성력재배(省力栽培)가 가능하였을 것이지만 전국적인 물의 사용제약성(使用制約性)때문에 이앙법(移秧法)을 원칙적으로 금해 오지 않을 수 없었다. 건전재배(乾田栽培)에서 직파재배(直播栽培)가 수립되었으며, 수도(水稻)가 직파(直播)되고 유묘기까지 건토(乾土)에 재배(栽培)되었으며 농사직설(農事直說)에서처럼 비올때 관수토양(灌水土壤)에 재배(栽培)되었다. 조선중기(朝鮮中期)(AD 1495-1725)에는 벼 농사(農事)에서의 제초효율(除草效率)과 편리성(便利性) 때문에 정조식(正條式) 이앙법(移秧法)을 포함한 탁월한 성력농법(省力農法)(한정록(閑情錄))과 벼 이앙에 근거(根據)(농사직설(農事直說))하여 못자리(묘대) 기술(벼의 조기이앙(早期移秧)이 강조(强調)되었다. 비료분(肥料分)을 다량투입(多量投入)하고 우력(牛力)을 이용(利用)하여 심경(深耕)해야 한다는 일련(一連)의 기술(技術)들은 토지(土地)와 노동생산성(勞動生産性)을 향상 시키는 것이었다. 농가집성(農家集成)때보다 산림경제(山林經濟)때에 발전된 사항은 오늘날의 육묘대법(陸苗垈法)과 마찬가지인 건앙법(乾秧法)을 개발하여 이앙재배(移秧栽培)하게 만든 것이며, 답이모작(畓二毛作)을 확립(確立)시켜서 답작(畓作)의 노동(勞動) 및 토지생산성(土地生産性)을 높이게 된 것이다. 이결과 소경영생산양식(小經營生産樣式)을 경영형(經營型) 부농적(富農的) 생산양식(生産樣式)으로 변화시켜 광작농법사회(廣作農法社會)를 태동(胎動)시켰다. 우하영(禹夏永)(1741-1812) 은 천일록(千一錄)을 통하여 당시의 광작농(廣作農)이 갖는 폐단을 집약적(集約的) 농법(農法)으로 개혁하고자 하였고, 그가운데 탁월한 견해로서 농지(農地)를 토질(土質)에 따라 이앙법(移秧法)과 grooving 파종법(播種法)(전(田))으로 땅(토지(土地))의 이용을 구분한 것이다. 특히 서유가(徐有架)(산림경제(山林經濟))가 주장한바 이앙(移秧)의 유리성(有利性)은 제초노력이 절감되고 묘대(苗垈)와 본답(本畓)의 토지기력(土地氣力)을 얻기 때문에 벼의 좋은 생육(生育)을 기대할 수 있다는 것이었다. 또는 벼를 뽑았다가 다시 심기 때문에 새롭게 기력이 얻어진다는 것이었다. 물론 이앙법(移秧法)에 앞선 재평가(再評價), 이모작(二毛作)의 한계성(限界性), 반답법(反畓法)의 제약론(制約論), 광작(廣作)의 폐단에 처한 금지론(禁止論)이 있었다. 그당시 이지연(李止淵)에 의해서 벼의 수도수분생이(水稻水分生理), 토지(土地) 및 제초(除草)의 편리성(便利性)을 고려한 수도직파재배법(水稻直播栽培法)이 쓰여 졌는데 그것은 가장 안정한 농가소득을 확보하는 창조적인 작부체계(作付體系)였다.