• Korean Chemical Engineering Research
• /
• 제60권1호
• /
• pp.93-99
• /
• 2022

초소형, 웨어러블 기기 기술의 빠른 발전에 따라, 전자기기 구동을 위한 시공간적인 제한이 없는 지속적인 전기 공급을 필요로 한다. 이에 따라, 두 가지 다른 재료의 접촉과 분리로 만들어지는 정전기를 활용하는 마찰대전 나노발전기(Triboelectric nanogenerator, TENG)는 간단한 원리 덕분에, 복잡한 과정 및 설계 없이도 자연에서 버려지는 다양한 형태의 에너지들을 효과적으로 수확하는 수단으로 활용되고 있다. 하지만, TENG의 실생활의 적용을 위해서는 전기적 출력의 증가가 필요하다. 또한, 전기적 출력의 증가뿐만 아니라 전기적 출력의 안정적인 발생은 TENG의 상용화를 위해서 해결해야 될 과제이다. 본 연구에서는 TENG의 출력을 향상시킬 뿐만 아니라, 향상된 출력을 안정적으로 나타낼 수 있는 방법을 제안하였다. 출력의 향상 및 안정성을 위해서 TENG 구성 요소 중 하나인 접촉층을 일렉트렛으로 사용하였다. 활용된 일렉트렛은 Fluorinated ethylene propylene (FEP) 필름에 코로나 차징과 열처리 과정을 순차적으로 진행함으로써 제작되었다. 코로나 차징으로 인해 인위적으로 주입된 전하가 열처리 과정에 의해서 깊은 트랩으로 들어가게 되어 전하의 이탈 현상이 최소화된 일렉트렛을 제작하고 이를 TENG 제작에 활용하였다. 제작된 일렉트렛의 출력 성능은 수직 접촉 분리 모드 TENG의 전압 출력을 측정함으로써 검증되었고, 코로나 차징 과정을 거친 일렉트렛은 어떠한 처리도 되지 않은 FEP 필름에 대비 12배 높은 출력 전압을 나타냈다. 일렉트렛의 시간 및 습도 안정성은 일반 외부 환경 및 극한의 습도 환경에 일렉트렛을 노출시킨 후, TENG의 출력 전압을 측정함으로써 확인되었다. 또한, 박수를 모티브로 한 Clap-TENG에 일렉트렛을 적용하여 LED를 작동시킴으로써 실생활에 적용할 수 있음을 보여주었다.

• 한국지반신소재학회논문집
• /
• 제20권4호
• /
• pp.85-93
• /
• 2021

한반도의 70%는 산지로 구성되어 있으며, 서해와 남해의 수심은 상대적으로 얕은 편이다. 따라서, 공업단지, 주거단지, 항만 및 공항 부지를 위한 대규모 간척사업이 시행되고 있다. 매립지역의 일반적인 문제는 지반이 연약하여 지지력이 부족할 뿐만 아니라 상당한 침하가 발생된다는 것이다. 중공블록은 중·저층 아파트 또는 단층의 공장건물을 건설하기 위해 계획된 느슨한 연약기초 지반보강을 위해 사용된다. 최근 4.0~5.0의 강도를 가진 지진이 서쪽과 남동쪽 해안지역을 따라 발생하고 있다. Lee (2019)는 정적 지지력시험을 통해 얕은 기초보강 중공블록의 장점에 대하여 연구하였다. 이 연구에서 블록 내부에 쇄석으로 채움된 보강된 모래지반의 중공블록 동적거동은 진동대 1000 mm × 1000 mm 시험을 통해 연구하였다. 3가지 지진파인 Ofunato, Hachinohe, Artificial 지진파와 2가지 가속도(0.154g, 0.22g)를 진동대 시험에 적용하였다. 중공블록으로 보강된 지반 위의 구조물 수평변위는 LVDT를 사용하여 측정하였다. 중공블록에 의한 지반보강 효율을 평가하기 위하여 지반의 상대밀도를 45%, 65%, 85%로 각각 구성하였으며, 수평변위를 측정하고 한계수평변위 0.015h(건축물 내진등급기준, 2019)와 비교하였다. 중공블록으로 보강된 모래지반에 대한 진동대 시험 결과에 기반해서 벌집 모양의 중공블록은 블록내부에 쇄석 채움으로서 큰 구속력을 가지며, 중공블록의 내부 및 외부를 따라 발생하는 관입저항력으로 인한 큰 주면마찰력을 갖는 것으로 평가되었다. 이러한 모든 요소들은 진동대 시험 중에 수평변위를 상당이 줄이는 것으로 나타났다. 마지막으로, 중공블록 보강 지반은 지진파와 가속도에 상관없이 중·저층 건물의 얕은기초 보강공법으로 매우 우수함이 입증되었다.

• 한국수자원학회논문집
• /
• 제54권11호
• /
• pp.903-913
• /
• 2021

홍수기 하천에서 유량측정은 예산, 인력, 안전 및 측정 시 편의성 등의 이유로 측정에 제한이 많다. 특히, 태풍 등으로 인한 호우사상 발생 시 위와 같은 문제로 홍수량 측정에 어려움이 따른다. 이러한 문제점을 개선하기 위해 본 연구에서는 드론(Drone)과 전자파표면유속계(Surface velocity doppler radar)의 기능을 조합하여 최소 인력으로 짧은 시간에 간편하고, 안전하게 홍수기에 하천유량을 측정할 수 있는 방법을 개발하였다. 기존 드론을 이용한 유량측정 연구에서 도출된 바람, 강우 등 기상 요인에 의한 드론의 기계적인 한계를 극복하기 위해 본 연구에서는 IP56 등급의 방진·방수 성능, 최대 36 km/h의 풍속에서 안정적인 비행능력과 최대 10 kg을 탑재할 수 있는 드론을 개발하였다. 또한 전자파표면유속계 측정에 있어서 주요 제약 요소인 진동을 제거하기 위해 드론과 전자파표면유속계를 결합하는 댐퍼플레이트를 개발하였다. 이들 비행장비와 유속계를 결합시킨 유속계 DSVM (Dron and Surface Veloctity Meter using doppler radar)을 제작하였으며, 봉황천(금강 제1지류)에 위치한 금산군(황풍교)지점에서 DSVM을 운용하여 홍수량을 측정한 결과 ±3.5%의 오차가 발생하였다. 또한 측정된 표면유속으로부터 평균유속을 산정할 때 정확도 향상을 위해 ADCP를 이용하여 동시 측정하고, 평균유속을 비교하여 평균유속환산계수(0.92)를 산정하였다. 본 연구에서는 드론과 전자파표면유속계를 결합해 측정한 유량과 ADCP 및 봉부자를 이용해 측정한 유량을 비교하고, DSVM의 적용 및 활용 가능성을 확인하였다.

• 지구물리와물리탐사
• /
• 제26권2호
• /
• pp.52-61
• /
• 2023

육지와 인접한 연안, 그리고 천부 구조의 특성을 정밀하게 규명하기 위하여 높은 주파수 대역(80 Hz~1 kHz)의 음원을 활용하여 3.125 m 수준의 공간 해상도를 도출하는 초고해상 탄성파 탐사의 활용범위가 증가하고 있다. 디지털 스트리머 시스템은 고품질의 초고해상 탄성파 자료를 획득하기 위한 필수 모듈이며 도입 비용의 절감, 유지보수 기간의 단축 등을 위하여 국산화 연구가 이루어졌다. 개발된 국산화 스트리머에 대한 기본적인 성능 검증, 현장 운용성 검토 등은 해당 연구개발 과정에서 이루어졌으나 기존에 활용되는 벤치마크 모델과의 비교분석 연구는 수행되지 않았다. 본 연구에서는 국산화 스트리머와 벤치마크 모델을 활용해 동시에 자료를 취득하여 자료의 특성을 분석하였다. 이를 위하여 한국지질자원연구원 탐해2호와 부대장비 등을 활용한 2차원 탄성파 탐사자료를 취득하고 다양한 측면에서의 분석이 이루어졌다. 국산화 스트리머에서 취득된 자료는 벤치마크 모델에서 취득된 자료와 주파수 대역별 민감도 차이가 있었으나, 음원의 중심 주파수 대역을 고려한 범위에서는 매우 높은 수준의 유사성을 가지고 있다. 하지만, 60 Hz 이하의 낮은 주파수 대역에서는 벤치마크 모델 대비 낮은 신호대잡음비를 나타내었으며 이는 클러스터 에어건 등 낮은 주파수 대역의 음원을 활용한 자료취득에서는 품질을 저해하는 요소로 작용할 것이다. 이러한 차이를 발생시키는 원인은 세 가지(1. 스트리머 내부 발생 잡음, 2. 스트리머 예인 진동, 3. 아날로그 필터 컷 오프 주파수 대역)가 발굴되었으며 향후 제작되는 국산화 스트리머에서는 이에 대한 개선을 반영하고자 한다.

• 한국과학예술포럼
• /
• 제31권
• /
• pp.21-32
• /
• 2017

지역축제는 문화를 형성하는 소통의 장으로 국내 관광 사업의 수요를 증가시키고, 지역의 이미지 창출, 전통 문화의 보존, 관광객 유입, 일자리 창출, 지역문화의 콘텐츠 개발, 지역특산품 판매 촉진 등 지역경제에 많은 파급효과와 지역경제 활성화에 중요한 가치를 지니고 있다. 무선통신 기술인 사물인터넷(IoT, Internet of Thing) 요소기술은 점차적으로 발전하고 있고, 특히 사물인터넷 서비스 중 하나인 비콘은 국내·외에서 다양한 서비스 형태로 활용되고 있다. 그러나 이러한 사물인터넷 서비스, 디지털 및 모바일 기술의 확산에도 불구하고, 수 없이 많은 지역축제에 대한 정보를 개인이 하나하나 찾기란 쉽지 않고, 기존에 개발된 축제 관련 애플리케이션은 단순 정보전달 수준에 국한되어 있거나 일회성인 축제 정보제공, 축제장 내의 정보제공 방식, 개발 축제마다 별도의 애플리케이션 형태제공, 단발성 사용 등의 문제점을 안고 있다. 이러한 배경 하에 본 연구는 비콘을 활용한 위치기반 지역축제 모바일 애플리케이션과 데이터 분석 시스템 개발하여 축제 방문객에게 맞춤형 정보를 제공하는데 그 목적이 있다. 본 연구의 기술개발을 통해 '축제장 혼잡도 알고리즘', '방문객 통계분석 알고리즘', '맞춤형 정보 알고리즘'의 총 3개의 알고리즘 및 데이터분석 시스템을 개발했고, 개발된 애플리케이션과 데이터 분석 시스템을 통해 실제 축제장에서 베타테스트를 실시했다. 그 결과, 방문객 행태 DB 구축, 지역축제 방문객에게 Hot place 기능, 대기시간 기능, 맞춤형 정보제공의 서비스와 기능을 제공할 수 있었다. 또한, 출시 3개월 간 1만 3천 건 이상의 다운로드 실적 달성, 구글플레이스토어에 '축제' 관련 애플리케이션 중 노출 1위를 달성하는 등 지역 관광 축제 플랫폼으로서의 시장성과 우수성을 인정받았다. 본 연구는 다음과 같은 순서로 기술한다. 2장에서는 본 연구의 기술개발과 관련된 지역축제, 사물인터넷, 비콘 서비스, 축제 관련 애플리케이션의 선행연구를 살펴보고, 3장에서는 지역축제 모바일 애플리케이션 설계와 데이터 분석 시스템의 구현환경을 상세히 기술한다. 4장에서는 본 연구에서 개발한 모바일 애플리케이션과 데이터 분석 시스템이 제대로 적용되지는 실험하기 위해 베타테스를 실시하여 제품의 성능평가를 기술하고, 마지막으로 5장에서는 결론과 향후 연구과제에 대해 기술한다.

• 한국습지학회지
• /
• 제26권1호
• /
• pp.41-50
• /
• 2024

식물 미생물 연료전지(P-MFC)는 식물과 근계의 미생물 군집에서 전기를 생성하는 바이오매스 활용 에너지 기술로 지속가능한 환경을 고려하는 자연기반해법의 적정기술이다. 국내 수변공간에 적합한 P-MFC 기술 개발을 위해서는 국제적인 연구 동향에 대한 분석이 선행되어야 할 필요가 있다. 이에 따라 본 연구에서는 Web of Science에서 조회되는 P-MFC 관련 연구논문 총 700편을 대상으로 동시 출현단어 분석 프로그램인 VOSviewer을 사용해 핵심 키워드를 도출하고 연구 동향을 분석하였다. 분석 결과, 첫째, P-MFC 관련 연구는 1998년부터 지속적으로 증가하고 있으며 특히 2010년대 중후반부터 크게 증가 추세에 있다. 국가별 논문 투고 수는 '중국'-'미국'-'인도' 순으로 가장 많았으며 2010년대 이후 P-MFC에 관해 관심이 커지기 시작해 수변공간과 습지 환경이 풍부한 필리핀, 우크라이나, 멕시코 등의 나라에서도 게재 수가 늘어나고 있는 것으로 나타났다. 둘째, 기간별 연구 경향의 경우, 1998년~2015년에는 다양한 환경에서 미생물 연료전지의 성능 검증에 대한 연구가 주를 이루었다. 2016년~2020년에는 미생물 연료전지 사용의 구체적인 조건, P-MFC의 구조 및 발전 방식과 관련된 연구가 주를 이루었다. 2021년~2023년에는 P-MFC 발전 과정의 제약 요소와 효율성 향상을 위한 구체적인 연구가 주로 진행되었다. 본 연구를 통해 파악된 P-MFC 관련 국제적 연구 동향은 향후 국내 수변공간에 적합한 기술 개발 시 유용한 자료로 사용될 수 있을 것이다. 향후 본 연구 외에 세부 분야별 연구 동향 및 수준에 대해서도 추가적인 연구가 필요하며 국내에서 P-MFC 기술의 발전과 활성화를 위해서는 현장 적용성에 대한 연구 확대와 정책, 제도적 개선도 병행되어야 할 것이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

• Journal of the Korean Wood Science and Technology
• /
• 제6권2호
• /
• pp.3-19
• /
• 1978

우리나라에서 아직 이용개발(利用開發)되고 있지 아니한 구상나무, 구실잣밤나무, 후박나무, 때죽나무 및 북가시나무등(等) 5수종(樹種)에 대(對)한 해부학적성질(解剖學的性質), 물리적성질(物理的性質), 기계적성질(機械的性質), 접착성능(接着性能), 목리(木理) 무늬정미성(精緻性), 가공성(加工性), 건조특성(乾燥特性), 프로링제작성(製作性), 목재(木材)의 조성분(組成分), 펄프화특성(化特性) 및 박피성등(剝皮性等)을 조사(調査)한 결과(結果)를 요약(要約)하면 다음과 같다. 1. 원료목재(原料木材)의 형질(形質)은 구상나무가 통직(通直)하나 옹이가 과다(過多)하였고, 잣밤나무와 때쭉나무는 굽음이 심(甚)하였다. 2. 섬유장(纖維長)은 구상나무가 2.97mm로 가장 컷으며, 때죽나무가 1.49mm였으며, 기타(其他) 수종(樹種)도 1.07~1.19mm에 속하였다. 섬유폭(纖維幅)은 구상나무가 39.3${\mu}$으로 가장 컸고, 때죽나무가 18.4${\mu}$으로 최소(最小)였으며 기타(其他) 수종(樹種)들은 23~29${\mu}$의 범위(範圍)에 속하나 대체(大體)로 타활엽수(他闊葉樹)에 비(比)해 섬유폭(纖維幅)이 컸다. 3. 북가시나무의 전건비중(全乾比重)은 0.74${\pm}$0.03으로서 한국산(韓國産) 참나무류(類)의 비중(比重)과 유사(類似)하였으며 구상나무는 0.34${\pm}$0.02로 최소(最小)였으며 기타(其他) 수종(樹種)은 0.47~0.51의 범위(範圍)에 있었다. 4. 흡수량(吸水量)은 대체(大體)로 비중(比重)에 역비례(逆比例)하여 감소(減少)되나 흡습량(吸濕量)은 비중(比重) 증가(增加)에 따라서 증가(增加)하는 경향(傾向)을 나타냈다. 또한 횡단면(橫斷面)의 흡수량(吸水量)은 경단면(經斷面) 접선단면(接線斷面)의 그것들에 비(比)해 2배(倍) 이상(以上)에 달(達)하나, 후박나무는 1.7배(倍)였으며, 경단면(經斷面)과 접선단면(接線斷面)의 흡수량(吸水量)은 수종(樹種)에 따라서 달랐다. 5. 전건수축율(全乾收縮率)은 접선방향(接線方向)에서 5.36~10.24%, 반경방향(半徑方向)에서 2.83~6.13%에 범위(範圍)에 속하며 구상나무가 가장 적고, 북가시나무가 가장 컸다. 수축율(收縮率)은 비중(比重)이 큰 수종(樹種)일수록 컸다. 6. 공시수종(供試樹種)의 제강도(諸强度)는 북가시나무의 경우 강원도산(江原道産) 신갈나무와 유사(類似)하였으며, 구실잣밤나무, 후박나무 구상나무는 비중(比重)이 유사(類似)한 한국산수종(韓國産樹種)의 재질(材質)들과 유사(類似)하였으나, 때쭉나무는 일반적(一般的)으로 비중(比重)에 비(比)해 높은 강도치(强度値)를 기록(記錄)하였다. 7. 요소수지(尿素樹脂) 및 석탄산수지(石炭酸樹脂)에 대(對)한 접착(接着)은 후박나무와 구실잣밤나무가 최대치(最大値)를 기록(記錄)하였으나, 비중(比重)이 큰 북가시나무와 비중(比重)이 작은 구상나무는 그렇지 못하였다. 8. 목리(木理)와 무늬정치성(精緻性)은 후박나무는 파상(波狀)으로 굴곡(屈曲)되어 목재공예적(木材工藝的)으로 진용(珍用)될 수 있으며 기타(其他) 수종(樹種)들은 건축(建築) 및 가구용재(家具用材)로서 적합(適合)한 무늬였다. 6. 가공성(加工性)은 북가시나무를 제외(除外)하곤 기타 수종(樹種)은 양호(良好)할 것으로 판단(判斷)된다. 10. 비중(比重)이 큰 수종(樹種)일수록 건조(乾燥)의 곤란성(困難性)을 노정(露呈)하였으나, 후박나무는 비중(比重)에 비(比)해 건조(乾燥)가 용이(容易)치 않고, 심(甚)한 트위스팅 및 커핑 등(等) 건조결함(乾燥缺陷)을 발생(發生)하였다. 11. 구상나무를 제외(除外)한 모든 공시수종(供試樹種)은 플로링제작(製作)에 적합(適合)한 것으로 판단(判斷)된다. 12. 화학적(化學的) 조성분(組成分)은 5수종(樹種) 공(共)히 펜토산 함량(含量)이 많았고 북가시나무는 추출물(抽出物)의 함량(含量)이 최대(最大)였다. 13. 크라프트 펄프화(化)는 5수종(樹種) 공(共)히 경제수율(經濟收率)인 45% 이상(以上)을 기록(記錄)하였다. 14. 박피(剝皮)는 구상나무와 후박나무가 용이(容易)하였으며, 5수종(樹種) 모두 자비(煮沸)한 후(後) 박피(剝皮)한 것이 가장 능율적(能率的)이었다.