• 자원환경지질
• /
• 제54권2호
• /
• pp.285-297
• /
• 2021

전세계적으로 해체 대상 원자력 시설이 증가하고 있으며, 이러한 원자력 시설을 해체하게 되면 수십만 톤의 콘크리트, 토양, 금속 등의 폐기물이 발생한다. 따라서 고상 방사성 폐기물 감용 및 재활용 기술에 대한 기존 연구를 면밀히 검토할 필요가 있다. 폐콘크리트 미분말은 소성 및 분쇄와 같은 추가적인 공정을 통하여 재수화 반응이 일어나며, 시멘트 수화 반응 및 고화체 압축강도에 영향을 미치는 주요 화합물인 aluminate (C3A), C4AF, C3S, ��-C2S가 생성된다. 기존 연구를 통하여 폐콘크리트 미분말을 재생 시멘트로 재활용할 수 있음을 확인하였으나, 골재의 혼입으로 인한 고화체의 강도 저하와 같은 문제점에 대한 해결방안은 현재까지 연구되지 않았다. 이러한 문제점을 보완하기 위하여 산업부산물인 고로슬래그, 비산회를 성분 조정재로 혼합하여 재생 시멘트의 성능을 증진시키는 연구가 수행되었으며, 고화체의 압축강도가 증진되는 것을 확인하였다. 그러나, 폐토양을 재활용한 비소성 시멘트의 제조에 대한 연구는 많이 수행되지 않았다. 폐토양 내 함유된 일라이트와 제올라이트는 방사성 핵종에 대한 흡착능이 우수하며, 이를 고화재로 재활용하면 원전 해체 폐기물의 부피를 저감함과 동시에 방사성 폐기물을 안전하게 담지할 수 있는 효과를 도출할 수 있다. 이러한 이유에서 폐토양 내 점토 광물을 이용한 비소성 시멘트의 제조에 대한 연구가 필요하다. 본 연구에서는 기존에 수행된 국내외 연구를 통하여 원전 해체 폐기물인 콘크리트의 재생 시멘트로서 재활용 가능성 및 개선 방안과 더불어 폐토양 내 점토 광물을 이용한 비소성 시멘트 제조에 대한 연구 필요성에 대하여 고찰하였다.

• 자원환경지질
• /
• 제56권6호
• /
• pp.781-797
• /
• 2023

최근 들어 첨단산업에 활용되는 핵심광물의 확보를 위한 광물수요국들의 대응이 빠르게 진행되고 있다. 흑연은 중국 생산량이 압도적 우위에 있지만, EV 배터리 부문의 기하급수적인 성장에 따라 글로벌 공급에서 변화가 초래되고 있으며, 동 아프리카에서의 활발한 탐사가 좋은 사례이다. 우리나라에서도 생산이 증가되고 있다. 희토류는 첨단산업에 폭넓게 사용되고 있는 핵심원료이다. 세계적으로 희토류를 생산하는 광상은 카보너타이트형, 라테라이트형 및 이온흡착형 광상이 개발 중에 있다. 중국의 생산이 다소 감소되는 추세이지만 여전히 압도적인 우위를 점하고 있다. 최근 수년간의 변화는 미얀마의 급부상과 베트남의 생산 증가이다. 니켈은 다양한 화학 및 금속 산업에 사용되어 온 금속이지만 최근 밧데리 비중이 점차 증가되고 있는 추세이다. 세계 니켈 광상은 초염기성암에서 유래된 유화형 광상과 라테라이트형 광상으로 크게 구분된다. 유화형 광상은 호주에서 개발이 지속적으로 증가 할 것으로 예측되며, 라테라이트형 광상은 인도네시아에서의 개발이 촉진 될 것으로 보인다. 리튬이온 배터리 수요에 따라 니켈 시장도 견인될 것으로 전망된다. 세계 리튬 광상은 염호형(78%)과 암석/광물형(스포듀민 19%), 점토형(3%)이 생산되고 있다. 암석형 광상이 염호형 광상보다 품위가 다소 높지만 매장량이 적고 페그마타이트에 함유된 스포듀민 리튬광물이 대상이다. 칠레, 아르헨티나, 미국에서는 염호형 광상을 주로 개발하고 있으며, 호주와 중국에서는 염호 및 암석/광물 두 근원으로부터 리튬을 추출하고 있고 캐나다에서는 암석/광물로부터만 생산한다. 바나듐은 전통적으로 강철 합금에 약 90% 이용되어 왔으나 최근 대규모 전력 저장을 위한 바나듐 레독스 흐름배터리 용도가 증가 추세에 있다. 세계 바나듐 공급원은 광산에서 생산하는 바나듐을 함유한 철광석(81%)과 부산물에서 회수하는 바나듐(2차 근원, 18%)으로 양대분 된다. 81%를 차지하는 바나듐-철광석 근원은 제강공정에서 유래된 바나듐 슬래그가 70%를 차지하고 광산에서 생산하는 1차 근원인 광석은 30%에 불가하다. 이러한 공급원으로부터 중간재인 바나듐 산화물이 제조된다. 바나듐 광상은 함바나듐 티탄자철석형 광상, 사암 모암형 광상, 셰일 모암형 광상과 바나듐산염형 광상으로 구분되는데 함바나듐 티탄자철석형 광상만이 현재 개발되고 있다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.127-146
• /
• 2017

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.