• 동양고전연구
• /
• 제33호
• /
• pp.31-56
• /
• 2008

여헌 장현광은 조선시대 여타의 유학자에 비해 철저하게 성리학의 본질을 충실하게 탐구하고, 심도 있게 학설을 확장시킨 학자이다. 여헌은 성리학적 교육의 기본 체계인 "대학"과 "중용"에 의거하여 자신의 학설을 강화한다. 이러한 사유의 전개에 근거하여 여헌의 교육사상은 세 측면에서 조명해 볼 수 있다. 첫째, 여헌은 교육의 기준으로서 성인군주론(聖人君主論)을 심화한다. 그것은 본질적으로 존천리알인욕(存天理?人欲)을 추구하며, 도덕적 각성과 덕치주의를 강조한다. 둘째, 여헌은 교육의 양식으로서 성경(誠敬)의 공부론을 강조한다. 여헌은 마음에 성(誠)과 경(敬)을 세울 것을 강조하고, 두 가지의 차별성을 인정하면서도 동일한 맥락에서 이해한다. 셋째, 여헌은 교육의 방법으로서 분합(分合)의 조화를 주창한다. 여헌은 그의 독특한 리기경위설(理氣經緯說)을 통해, 역(易)의 논리에 따라 어느 한쪽으로 치우치거나 지나치지 않는 중용의 관점을 유지한다. 이러한 여헌의 교육적 사유는 현대 교육적 의미에서 볼 때, 교육의 표준을 도덕의 확립에 두고, 교육의 양식과 방법에서 중용적 통찰을 고려하는 아이디어를 제공한다. 요컨대, 여헌의 교육사상은 일관성을 지닌 전통 성리학의 교육적 지혜를 담고 있는데, 현대 교육의 기준 혼란, 내용의 비체계화, 방법적 치우침에 대한 균형 감각의 중요성을 재검토하는 데 주요한 시사점을 준다.

• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1081-1095
• /
• 2020

본 연구는 SWAT (Soil and Water Assessment Tool)을 이용하여 섬진강유역 주암댐에서 영산강유역(3,371.4 km2)으로의 유역간 물이동량조절에 따른 영산강의 하천유량 및 수질변동을 분석하였다. 이를 위해, SWAT의 Inlet 기능을 이용한 물이동과 영산강유역 하수처리장들의 방류량 자료를 고려한 SWAT을 구축하여, 마륵(MR) 수위관측소와 다기능보 2개(승촌보;SCW, 죽산보;JSW) 그리고 3개의 수질관측소(광주;GJ2, 나주;NJ, 함평;HP)를 대상으로 총 14년(2005~2018) 동안의 유량과 수질을 검보정하였다. 3개 지점 하천유량의 검보정 결과, R2, NSE, RMSE, PBIAS는 각각 0.69 ~ 0.81, 0.61 ~ 0.70, 1.34 ~ 2.60 mm/day, -8.3% ~ +7.6%였으며, 수질은 SS, T-N 및 T-P 각각 R2가 각각 0.69 ~ 0.81, 0.61 ~ 0.70, 0.54 ~ 0.63의 범위를 보였다. 물이동량을 고려한 영산강유역의 하천유량은 평균 12.0 m3/sec로 나타났으며, SS, T-N 및 T-P의 평균 농도는 각각 110.5 mg/L, 4.4 mg/L, 0.18 mg/L 이었다. 물이동량의 변화에 따른 영산강의 유량과 수질의 변화를 보기 위하여, 물이동량의 증가(110%, 130%, 150%)와 감소(90%, 70%, 50%)를 적용하였다. 대표적으로 증가시나리오 130%의 경우, 하천유량과 SS의 농도는 각각 12.94 m3/sec (+7.8%), 111.26 mg/L (+0.7%) 증가, T-N과 T-P 농도는 각각 4.17 mg/L (-5.2%), 0.165 mg/L (-8.3%)로 감소하였다. 반면 감소시나리오 70%를 적용하였을 때, 하천유량과 SS의 농도는 각각 11.07 m3/sec (-7.8%), 109.74 mg/L (-0.7%)로 감소, T-N과 T-P 농도는 각각 4.68 mg/L (+6.4%), 0.199 mg/L (+10.6%) 증가하였다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.366-373
• /
• 2021

본 연구는 현장관측자료의 분석을 통해 현장데이터 기반 생육적온 분석 및 재배적지 분석 기준을 제시하고자 하였다. 연구에 활용된 현장 데이터는 고흥, 남해, 신안, 창녕, 해남 등 5개 지역의 난지형 마늘 생산량데이터를 구득하였으며, 관측소별 관측값을 역거리 가중법(Inverse Distance Weighted)를 통해 지역내 농경지 기온데이터를 추출하였다. 데이터 분석에 활용된 기간은 2010년부터 2019년까지 10년간 데이터를 활용하였다. 조사된 생산량과 기온의 국소(Kernel)회귀분석을 통해 생육적온을 분석하였으며, 대역폭에 따라 0.8(18.781℃), 0.9(18.930℃), 1.0(19.542℃), 1.1(20.165℃), 1.2(21.042℃)이었다. 생육적온의 검증 및 재배적지 기준 적용을 위해 온도반응모델을 진행하였다. 분석된 생육적온과 생산량데이터 간의 회귀 분석 및 상관 분석을 수행결과 결정계수(R²)는 0.325~0.438로 분석되었으며, 상관관계 분석에서는 유의 확률 0.001 수준에서 상관계수 0.57~0.66로 분석되었다. 전체적으로 대역폭이 증가함에 따라 결정 계수가 더 높아졌으나 대역폭 1.0을 제외한 모든 대역폭에서는 편향된 결과로 일부 데이터가 모델에 크게 영향을 주는 것으로 나타났다. 이에 비선형분석을 통해 모든 데이터가 평이하게 반영된 모델인 대역폭 1.0이 본 연구 목적에 적합한 것으로 분석되었다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.723-736
• /
• 2022

본 연구에서는 금강권역을 대상으로 최대 12개월까지 선행예측이 가능한 월 강수량 예측모형을 구축하였으며, 예측모형 구축에는 다중회귀분석과 인공신경망의 두 가지 통계적 기법을 적용하였다. 예측인자 후보로 NOAA에서 제공하는 글로벌 기후패턴 39종과 금강권역에 대한 기상인자 8종 등 총 47종의 기후지수를 활용하였다. 예측대상월을 기준으로 과거 40년간의 월 강수량과 기후지수와의 지연상관성 분석을 통해 상관도가 높은 기후지수를 예측인자로 활용하여 다중회귀모형 및 인공신경망 모형을 구축하였다. 1991~2021년에 대해 매월 예측결과의 평균값과 관측값과의 적합도를 분석한 결과, 다중회귀모형은 PBIAS -3.3~-0.1%, NSE 0.45~0.50, r 0.69~0.70으로 분석되었으며, 인공신경망모형은 PBIAS -5.0~+0.5%, NSE 0.35~0.47, r 0.64~0.70로, 다중회귀모형에 의해 도출된 예측치의 평균값이 인공신경망모형보다 관측치에 좀 더 근접한 것으로 나타났다. 각 월의 예측범위 안에 관측치가 포함될 확률을 분석한 결과에서는 다중회귀모형이 57.5~83.6%(평균 72.9%), 인공신경망모형의 경우에는 71.5~88.7%(평균 81.1%)로 인공신경망모형 결과가 우수한 것으로 나타났다. 3분위 예측확률을 비교한 결과는 다중회귀모형의 경우에는 25.9~41.9%(평균 34.6%), 인공신경망모형은 30.3~39.1%(평균 34.7%)로 비슷하며, 두 모형 모두 평균 33.3% 이상으로 월 강수량에 대한 장기예측성을 확인 할 수 있었다. 이상과 같이 두 모형의 예측성 차이는 비교적 크지 않은 것으로 나타났으나, 예측범위에 대한 적중률이나 3분위 예측확률로부터 판단할 때 예측성에 대한 월별 편차는 인공신경망모형의 결과가 상대적으로 작게 나타났다.

• 한국지구과학회지
• /
• 제43권5호
• /
• pp.604-617
• /
• 2022

해수면온도는 해양-대기의 현상을 이해하고 기후변화를 예측하기 위해 사용되는 중요한 변수이다. 마이크로파 영역의 인공위성 원격탐사는 구름과 강수와 같은 기상현상 위성 관측 측기의 경로에 존재하더라도 해수면온도 획득을 가능하게 한다. 따라서 마이크로파 해수면온도의 높은 활용도를 고려하면 위성 해수면온도를 정확도를 지속적으로 검증하고 오차 특성을 분석할 필요가 있다. 본 연구에서는 2014년 3월부터 2021년 12월까지 약 8년 동안 Global Precipitation Measurement (GPM)/GPM Microwave Imager (GMI) 마이크로파 해수면온도의 정확도를 표층 뜰개 부이 수온 자료를 사용하여 검증하였다. GMI 해수면온도는 실측 해수면온도에 비해 0.09 K의 편차와 0.97 K의 평균 제곱근 오차를 보였고, 이는 기존 연구 결과에 비해 다소 높게 나타났다. 이외에도 GMI 해수면 온도의 오차 특성은 위도, 연안과의 거리, 해상풍 및 수증기량과 같은 환경적 요인과 관련성이 있다. 오차는 육지에서 300 km 이내의 거리에서 해안 지역에 가까운 지역과 고위도 지역에서 증가하는 경향이 있다. 또한 낮에는 약한 풍속(<6 m s^-1), 밤에는 강한 풍속(>10 m s^-1) 범위에서 상대적으로 높은 오차가 나타났다. 대기 수증기는 30 mm 미만의 매우 낮은 범위 또는 60 mm보다 큰 매우 높은 범위에서 높은 해수면온도 차이에 기여했다. 이러한 오차들은 저수온에서 GMI 자료의 정확도가 떨어지는 기존 연구와 일치하며, 연안으로부터의 거리, 풍속, 수증기량에 의한 오차의 경우 육지와 해양의 방사율 차이 및 바람에 의한 해수면 거칠기 변화, 수증기의 마이크로파 대기 흡수에서 기인하는 것으로 추정된다. 이는 한반도 주변해에서 마이크로파 위성 계산 SST를 보다 광범위하게 활용하기 위해서는 GMI 해수면온도 오차의 특성에 대한 이해가 필요함을 시사한다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.707-723
• /
• 2022

위성기반 해수면온도는 광역 모니터링이 가능한 장점이 있지만, 다양한 환경적 그리고 기계적 이유로 인한 시공간적 자료공백이 발생한다. 자료공백으로 인한 활용성의 한계가 있으므로, 공백이 없는 자료 생산이 필수적이다. 따라서 본 연구에서는 한반도 주변 해역에 대해 극궤도와 정지궤도 위성에서 생산되는 해수면온도 자료를 두 단계의 기계학습을 통해 융합하여 4 km의 공간해상도를 가지는 일별 해수면온도 합성장을 만들었다. 첫번째 복원 단계에서는 Data INterpolate Convolutional AutoEncoder (DINCAE) 모델을 이용하여 다종 위성기반 해수면온도 자료를 합성하여 복원하였고, 두번째 보정 단계에서는 복원된 해수면온도 자료를 현장관측자료에 맞춰 Light Gradient Boosting Machine (LGBM) 모델로 학습시켜 최종적인 일별 해수면온도 합성장을 만들었다. 개발된 모델의 검증을 위해 복원 단계에서 무작위 50일의 자료 중 일부분을 제거하여 복원한 뒤 제거된 영역에 대해 검증하였으며, 보정 단계에서는 Leave One Year Out Cross Validation (LOYOCV) 기법을 이용하여 현장자료와의 정확도를 검증하였다. DINCAE 모델의 해수면온도 복원 결과는 상당히 높은 정확도(R²=0.98, bias=0.27℃, RMSE=0.97℃, MAE=0.73℃)를 보였다. 두번째 단계의 LGBM 보정 모델의 정확도 개선은 표층 뜰개 부이와 계류형 부이 현장자료와의 비교에서 모두 상당한 향상(RMSE=∆0.21-0.29℃, rRMSE=∆0.91-1.65%, MAE=∆0.17-0.24℃)을 보여주었다. 특히, 모든 현장 자료를 이용한 보정 모델의 표층 뜰개 부이와의 정확도는 동일한 현장 자료가 동화된 기존 해수면온도 합성장보다 나은 정확도를 보였다. 또한 LGBM 보정 모델은 랜덤포레스트(random forest)를 사용한 선행연구에서 보고된 과적합의 문제를 상당부분 해결하였다. 보정된 해수면온도는 기존의 초고해상도 해수면온도 합성장들과 유사한 수준으로 수온 전선과 와동 등의 중규모 해양현상을 뚜렷하게 모의하였다. 본 연구는 다종위성 자료와 기계학습 기법을 사용해 시공간적 공백 없는 고해상도 해수면온도 합성장 제작 방법을 제시하였다는 점에서 가치가 있다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.259-278
• /
• 2022

인공지능(AI)의 확산과 함께 금융 분야에서도 상품추천, 고객 응대 자동화, 이상거래탐지, 신용 심사 등 다양한 인공지능 기반 서비스가 확대되고 있다. 하지만 데이터에 기반한 기계학습의 특성상 신뢰성과 관련된 문제 발생과 예상하지 못한 사회적 논란도 함께 발생하고 있다. 인공지능의 효용은 극대화하고 위험과 부작용은 최소화할 수 있는 신뢰할 수 있는 인공지능에 대한 필요성은 점점 더 커지고 있다. 이러한 배경에서 본 연구는 소비자의 금융 생활에 직접 영향을 끼치는 인공지능 기반 개인신용평가의 공정성 확보를 위한 체크리스트 제안을 통해 인공지능 기반 금융서비스에 대한 신뢰 향상에 기여하고자 하였다. 인공지능 신뢰성의 주요 핵심 요소인 투명성, 안전성, 책무성, 공정성 중 포용 금융의 관점에서 자동화된 알고리즘의 혜택을 사회적 차별 없이 모두가 누릴 수 있도록 공정성을 연구 대상으로 선정하였다. 문헌 연구를 통해 공정성이 영향을 끼치는 서비스 운용의 전 과정을 데이터, 알고리즘, 사용자의 세 개의 영역으로 구분하고, 12가지 하위 점검 항목과 항목별 세부 권고안으로 체크리스트를 구성하였다. 구성한 체크리스트는 이해관계자(금융 분야 종사자, 인공지능 분야 종사자, 일반 사용자)별 계층적 분석과정(AHP)을 통해 점검 항목에 대한 상대적 중요도 및 우선순위를 도출하였다. 이해관계자별 중요도에 따라 세 개의 그룹으로 분류하여 분석한 결과 학습데이터와 비금융정보 활용에 대한 타당성 검증 및 신규 유입 데이터 모니터링의 필요성 등 실용적 측면에서 구체적인 점검 사항을 파악하였고, 금융 소비자인 일반 사용자의 경우 결과에 대한 해석 오류 및 편향성 확인에 대한 중요도를 높게 평가한다는 것을 확인할 수 있었다. 본 연구의 결과가 더 공정한 인공지능 기반 금융서비스의 구축과 운영에 기여할 수 있기를 기대한다.

• 한국산림과학회지
• /
• 제111권2호
• /
• pp.311-318
• /
• 2022

본 연구는 꿀샘식물인 아까시나무의 적지적수 조림을 위해 판정기준인 지위지수를 도출하고, 도출된 지위지수별 경급별 분포 변화를 알아보기 위하여 수행되었다. 아까시나무 임분의 지위지수를 추정하기 위하여 적용한 모델은 Chapman-Richards식이었다. 도출된 식에 따르면, 우리나라 아까시나무의 지위지수는 기준임령이 30년 일 때 16~22 범위 내에 분포하는 것으로 나타났다. 그리고 지위지수 추정 모델의 적합성은 약 37%정도로 낮았으나, 식의 잔차분포가 한쪽으로 치우지지 않아(bias -0.0030) 활용에는 문제가 없는 것으로 판단된다. 아까시나무 생장에 따른 지위별 직경분포를 구명하기 위해서는 Weibull 직경분포함수를 이용하였다. 직경의 분포를 나타내는 인자로 평균직경과 우세목 수고를 설명변수로 하였으며, 이들은 Weibull 직경분포함수의 모수를 추정하고 복구하는 단계를 거쳤다. 최종적으로는 아까시나무 임분의 평균직경과 우세목 수고로서 직경급별 분포를 나타낼 수 있었으며, 분포 추정에 대한 설명력은 약 80.5%인 것으로 나타났다. 지위지수별 직경분포를 30년생 기준으로 도식화한 결과, 지위지수가 높을수록 직경분포 곡선이 오른쪽으로 이동함을 알 수 있었다. 즉 적지적수를 고려하여 지위지수가 높은 곳에 조림한다면 아까시나무의 생장이 왕성해져 용재생산 뿐만아니라 꿀 생산도 많아질 것임을 유추할 수 있었다. 따라서 본 아까시나무 지위지수분류표와 곡선이 꿀샘식물인 아까시나무를 조성 및 관리함에 있어 의사결정의 기준이 되기를 기대한다.

• 한국산림과학회지
• /
• 제111권4호
• /
• pp.622-629
• /
• 2022

본 연구는 우리나라 대나무 중 맹종죽에 대해 수간곡선식을 도출하고, 이를 이용하여 재적표를 개발하기 위하여 수행되었다. 맹종죽의 수간곡선식을 도출하기 위하여 Max & Burkhart, Kozak, Lee의 세 가지 수간곡선 모형을 이용하였다. 대나무는 목질 특성 상 내부가 비어 있기 때문에 수간 외직경과 내직경을 산출하고, 이를 연결하여 수간곡선화 하였다. 세가지 수간곡선 모형을 이용하여 수간 외직경 및 내직경을 추정한 결과, Kozak 모형이 적합도지수가 가장 높고, 오차 및 편의가 가장 적어 최적 수간곡선식으로 선정되었다. Kozak 식으로 맹종죽의 수간고별 직경을 추정하고 수간곡선을 도식화하였다. 수간곡선식에 대한 잔차도를 확인한 결과, 잔차가 모두 "0"을 중심으로 분포하여 식의 적합성이 입증할 수 있었다. 맹종죽의 재적 산출을 위해 내직경, 외직경에 대해 각각 연결한 수간곡선식을 회전시켜 회전입방체를 만들었으며, Smalian 구분구적법으로 재적을 계산하였다. 외직경으로 산출된 재적에서 내직경에 의해 산출된 재적을 공제하여 맹종죽의 재적을 도출하였다. 맹종죽의 재적은 일반용재인 일본잎갈나무 재적과 비교해 볼 때, 그 양이 20~30%에 불과한 것으로 나타났다. 그러나 맹종죽의 현재 ha당 본수와 매년 발생되는 죽순의 양을 고려한다면 개체목의 재적은 다른수종에 비해 상대적으로 적더라도, ha당 재적은 유사하거나, 오히려 더 많을 것으로 판단된다. 본 연구를 통해 국내 최초로 맹종죽의 수간곡선식 및 수간재적표가 개발되었으며, 공익 및 산업 수요 확대가 예상되는 대나무에 대한 매각 거래, 탄소흡수량 산정 등에 기초자료로 활용될 것으로 기대된다.