• 한국식품영양학회지
• /
• 제11권1호
• /
• pp.87-98
• /
• 1998

본 연구는 한국노인의 식습관에 근거한 영양섭취 패턴을 분석하고 요추 골밀도를 측정하여 식이 인자와 과거의 우유 및 유제품의 섭취경력이 골밀도에 미치는 영향을 분석하였다. 노인들을 대상으로 과거의 식습관을 조사하는 것은 매우 어려우므로 본 연구에서는 인지회상법(cognitive food frequency recall method)을 우리나라의 식습관과 생활여건에 맞게 수정하여 사용하였다. 38~67세 사이의 여성을 대상으로 골밀도 135명을, 식이섭취조사, 인체계측, 혈액, 과거의 우유제품 섭취조사에 임한 조사대상자는 170명이었다. 연구결과를 요약하면 다음과 같다. 1. 평균연령은 53.4세, 평균체중은 57.9kg, 평균신장은 157.4cm, 체질량지수는(BMI)는 36.73, 섭취열량은 2,101.3㎉, 칼슘의 섭취량은 638.7mg, 단백질 섭취량은 70.3g이었고, RDA에 근접되거나 약간 상회하는 정도의 영양섭취와 신체소견을 나타내었고, 50~54세군에서 가장 높은 BMI를 보였으나 각 연령군간의 통계적 유의성은 없었다. 2. 요추의 골밀도 측정치는 평균(L2-L4) 0.912g/$ extrm{cm}^2$로, 50세 이하군에서 1.02g/$\textrm{cm}^2$, 50~54세군에서 0.92g/$\textrm{cm}^2$, 55~59세군에서 0.85g/$\textrm{cm}^2$, 60세 이상에서 0.81g/$\textrm{cm}^2$으로 연령의 증가에 따라 현격한 감소를 나타내었다. 3. 열량섭취와 식이 단백질량, 칼슘, 인은 상호 높은 양의 상관을 보였고, 요추의 골밀도에는 연령, 체중이 식이 요인보다 유의한 상관이 있었다. 4. 유제품의 과거의 섭취 경험은 탈지유의 섭취가 가장 많았고, 탈지유 이외의 다른 유제품의 섭취 경험이 없는 대상자가 94% 이상이었다. 유제품의 상용섭취를 시작한 시기는 4~5년전부터로 대다수가 청장년기의 유제품 섭취경험이 없었다. 5. 유제품의 섭취 빈도와 골밀도는 섭취시기가 10대 이전이 가장 상관이 높았고, 특히 60세 이상군에서 현저한 유의적 상관이 있었으며, 50~59세 사이와 20~30대에서도 유의적인 상관이 높았으며, 50세 이하군에서는 유의한 상관이 없었다. 이상의 결과를 통하여 볼 때, 여성의 골격 건강을 위해 열량, 단백질, 칼슘, 인 등의 식이 섭취량이 척추 골밀도와 밀접한 관련성을 나타냈고 과거의 유제품의 섭취, 어린 시절에 섭취한 경험자일수록 일생동안 충실한 골질량과 높은 골밀도치를 유지할 수 있었다. 그러나 아직 우리나라의 일상 식사에서 칼슘을 권장량 이상으로 섭취하는 여성이 적으므로 칼슘 섭취량에 대한 강조가 필요하며, 폐경 후의 급격한 골손실을 고려해 볼 때 30대 이전에 어느 정도의 칼슘 섭취량이 바람직할 것인가에 대해서는 계속적인 연구가 요구된다. 또한 일상생활에서 우유 및 우유제품의 섭취를 증가시키기 위해 꾸준한 국민적 홍보가 필요할 것이다.

• 에너지공학
• /
• 제23권4호
• /
• pp.61-72
• /
• 2014

전 세계 $2^{\circ}C$ 기후변화 목표에 부합하기 위한, 한국의 저탄소 사회로의 전환 경로를 분석하였다. 경제 성장률의 감소, 산업구조 변화, 에너지수요관리 강화, 발전부문 탈탄소화, 저탄소 연료로의 대체를 통해 2050년까지 연료연소 부문 온실가스 배출량을 2011년 대비 67%, 기준 전망 대비 74% 감축할 수 있는 것으로 분석되었다. 2011~2050년 기간 기준 전망과 저탄소 사회 시나리오 간 연료연소 부문 온실가스 누적 감축량에서 경제 성장률의 감소, 산업구조 변화, 에너지수요관리 강화, 발전부문 탈탄소화, 저탄소 연료로의 대체 등이 차지하는 비중은 각각 13%, 9%, 72%, 5%, 1%이었다. 2050년까지 최종에너지 소비는 2011년 대비 50%, 기준 전망 대비 59% 감축이 필요하다. 발전량 중에서 원자력, 석탄, 신재생이 차지하는 비중은 2011년 각각 31%, 40%, 2%에서 2050년에 38%, 2%, 32%, CCS 23%로 바뀐다. 발전 부문에서 CCS와 재생에너지의 비중이 증가하면서, 2050년 전력 배출원단위는 2011년 대비 81%, 기준 전망 대비 76% 감소하였다. 2050년에 1차 에너지는 2011년 대비 36% 감소, 기준 전망 대비 56% 감소하였다. 1990~2011년 동안 한국의 최종에너지 소비와 1차에너지, 연료연소 부문 온실가스 배출량은 각각 176%, 197%, 146% 증가하였다. 2050년 저탄소 사회로 전환하기 위해서는 과거의 패턴에서 급격한 변화가 요구되며, 이를 달성하기 위한 경제와 산업구조의 변화, 에너지 수요 관리 및 저탄소 에너지 공급 기술 등 혁신적인 에너지 기술 개발과 보급, 전기와 재생에너지 중심의 에너지 소비 구조로의 전환 등이 요구된다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1996년도 춘계학술대회
• /
• pp.1-3
• /
• 1996

시뮬레이션 기법을 이용한 시스템의 분석에 있어서 실험의 자동화는 현재 많은 연구와 개발이 진행 중인 분야이다. 컴퓨터와 정보통신 시스템에 대한 시뮬레이션의 예를 들어 보면, 수많은 모델을 대한 시뮬레이션을 수행할 경우 자동화된 실험의 제어가 요구되고 있다. 시뮬레이션 수행회수, 수행길이, 데이터 수집방법 등과 관련하여 시뮬레이션 실험방법이 자동화가 되지 않으면, 시뮬레이션 실험에 필요한 시간과 인적 자원이 상당히 커지게 되며 출력데이터에 대한 분석에 있어서도 어려움이 따르게 된다. 시뮬레이션 실험방법을 자동화하면서 효율적인 시뮬레이션 출력분석을 위해서는 시뮬레이션을 수행하는 경우에 항상 발생하는 초기편의 (initial bias)를 제거하는 문제가 선결되어야 한다. 시뮬레이션 출력분석에 사용되는 데이터들이 초기편의를 반영하지 않는 안정상태에서 수집된 것이어야만 실제 시스템에 대한 올바른 해석이 가능하다. 실제로 시뮬레이션 출력분석과 관련하여 가장 중요하면서도 어려운 문제는 시뮬레이션의 출력데이터가 이루는 추계적 과정 (stochastic process)의 안정상태 평균과 이 평균에 대한 신뢰구간(confidence interval: c. i.)을 구하는 것이다. 한 신뢰구간에 포함되어 있는 정보는 의사결정자에게 얼마나 정확하게 평균을 추정할 구 있는지 알려 준다. 그러나, 신뢰구간을 구성하는 일은 하나의 시뮬레이션으로부터 얻어진 출력데이터가 일반적으로 비정체상태(nonstationary)이고 자동상관(autocorrelated)되어 있기 때문에, 전통적인 통계적인 기법을 직접적으로 이용할 수 없다. 이러한 문제를 해결하기 위해 시뮬레이션 출력데이터 분석기법이 사용된다.본 논문에서는 초기편의를 제거하기 위해서 필요한 출력데이터의 제거시점을 찾는 새로운 기법으로, 유클리드 거리(Euclidean distance: ED)를 이용한 방법과 현재 패턴 분류(pattern classification) 문제에 널리 사용 중인 역전파 신경망(backpropagation neural networks: BNN) 알고리듬을 이용하는 방법을 제시한다. 이 기법들은 대다수의 기존의 기법과는 달리 시험수행(pilot run)이 필요 없으며, 시뮬레이션의 단일수행(single run) 중에 제거시점을 결정할 수 있다. 제거시점과 관련된 기존 연구는 다음과 같다. 콘웨이방법은 현재의 데이터가 이후 데이터의 최대값이나 최소값이 아니면 이 데이터를 제거시점으로 결정하는데, 알고기듬 구조상 온라인으로 제거시점 결정이 불가능하다. 콘웨이방법이 알고리듬의 성격상 온라인이 불가능한 반면, 수정콘웨이방법 (Modified Conway Rule: MCR)은 현재의 데이터가 이전 데이터와 비교했을 때 최대값이나 최소값이 아닌 경우 현재의 데이터를 제거시점으로 결정하기 때문에 온라인이 가능하다. 평균교차방법(Crossings-of-the-Mean Rule: CMR)은 누적평균을 이용하면서 이 평균을 중심으로 관측치가 위에서 아래로, 또는 아래서 위로 교차하는 회수로 결정한다. 이 기법을 사용하려면 교차회수를 결정해야 하는데, 일반적으로 결정된 교차회수가 시스템에 상관없이 일반적으로 적용가능하지 않다는 문제점이 있다. 누적평균방법(Cumulative-Mean Rule: CMR2)은 여러 번의 시험수행을 통해서 얻어진 출력데이터에 대한 총누적평균(grand cumulative mean)을 그래프로 그린 다음, 안정상태인 점을 육안으로 결정한다. 이 방법은 여러 번의 시뮬레이션을 수행에서 얻어진 데이터들의 평균들에 대한 누적평균을 사용하기 매문에 온라인 제거시점 결정이 불가능하며, 작업자가 그래프를 보고 임의로 결정해야 하는 단점이 있다. Welch방법(Welch's Method: WM)은 브라운 브리지(Brownian bridge) 통계량()을 사용하는데, n이 무한에 가까워질 때, 이 브라운 브리지 분포(Brownian bridge distribution)에 수렴하는 성질을 이용한다. 시뮬레이션 출력데이터를 가지고 배치를 구성한 후 하나의 배치를 표본으로 사용한다. 이 기법은 알고리듬이 복잡하고, 값을 추정해야 하는 단점이 있다. Law-Kelton방법(Law-Kelton's Method: LKM)은 회귀 (regression)이론에 기초하는데, 시뮬레이션이 종료된 후 누적평균데이터에 대해서 회귀직선을 적합(fitting)시킨다. 회귀직선의 기울기가 0이라는 귀무가설이 채택되면 그 시점을 제거시점으로 결정한다. 일단 시뮬레이션이 종료된 다음, 데이터가 모아진 순서의 반대 순서로 데이터를 이용하기 때문에 온라인이 불가능하다. Welch절차(Welch's Procedure: WP)는 5회이상의 시뮬레이션수행을 통해 수집한 데이터의 이동평균을 이용해서 시각적으로 제거시점을 결정해야 하며, 반복제거방법을 사용해야 하기 때문에 온라인 제거시점의 결정이 불가능하다. 또한, 한번에 이동할 데이터의 크기(window size)를 결정해야 한다. 지금까지 알아 본 것처럼, 기존의 방법들은 시뮬레이션의 단일 수행 중의 온라인 제거시점 결정의 관점에서는 미약한 면이 있다. 또한, 현재의 시뮬레이션 상용소프트웨어는 작업자로 하여금 제거시점을 임의로 결정하도록 하기 때문에, 실험중인 시스템에 대해서 정확하고도 정량적으로 제거시점을 결정할 수 없게 되어 있다. 사용자가 임의로 제거시점을 결정하게 되면, 초기편의 문제를 효과적으로 해결하기 어려울 뿐만 아니라, 필요 이상으로 너무 많은 양을 제거하거나 초기편의를 해결하지 못할 만큼 너무 적은 양을 제거할 가능성이 커지게 된다. 또한, 기존의 방법들의 대부분은 제거시점을 찾기 위해서 시험수행이 필요하다. 즉, 안정상태 시점만을 찾기 위한 시뮬레이션 수행이 필요하며, 이렇게 사용된 시뮬레이션은 출력분석에 사용되지 않기 때문에 시간적인 손실이 크게 된다.