• 한국산림과학회지
• /
• 제54권1호
• /
• pp.1-24
• /
• 1981

강원도(江原道)는 관광자원(觀光資源)이 풍부(豊富)하며 태백산맥(太白山脈)을 중심(中心)으로한 산악관광권(山岳觀光圈), 동해안(東海岸)의 해안관광권(海岸觀光圈), 내륙(內陸)의 호수관광권(湖水觀光圈)으로 구분(區分)하고 있다. 동해(東海)의 절경(絶景)을 배경(背景)으로 설악산(雪岳山)과 오태산(五台山)의 국립공원(國立公園)이 있다. 그리고 치악산(雉岳山)의 도립공원(道立公園)이 있다. 북한강상류수계(北漢江上流水系)에는 발전용(發電用)댐건설(建設)로 만수(滿水)된 인공호수(人工湖水)가 연좌(連坐)하고 있어 호수관광권(湖水觀光圈)으로 각광(脚光)을 받고 있다. 본(本) 논문(論文)에서도 강원도행정수도(江原道行政首都)이며 호반(湖畔)의 도시(都市)인 춘천(春川)을 중심(中心)으로 북한강상류수계(北漢江上流水系)에 연좌(連坐)하고 있는 호수단지주변(湖水團地周邊)의 관광자원(觀光資源)을 배경(背景)으로 하여 삼림(森林)의 풍경적시업방안(風景的施業方案)을 모색하고 있다. 본(本) 호수단지(湖水團地)는 하류(下流)로부터 상류(上流)로 향(向)하여 의암호(衣岩湖), 소양호(昭陽湖), 춘천호(春川湖), 파려호(破慮湖)가 자리잡고 있으며 이들 4개(個) 호수(湖水)의 면적(面積)은 $140.4km^2$ 총저수량(總貯水量)은 4,155백만(百萬)$m^3$이다. 그리고 발전량(發電量)은 41만(萬)KW의 시설(施設)을 갖추고 있다. 이들 호수(湖水)를 위적(囲績)하고 있는 삼림면적(森林面積)은 $1,208km^2$에 달(達)한다. 삼림(森林)은 행정적(行政的)으로 시업림(施業林)$745km^2$와 시업제한림(施業制限林) $463km^2$로 구분(區分)하고 있으며 시업제한림(施業制限林)은 개발제한구역(開發制限區域)과 자연환경보전지구내(自然環境保全地區內)에 있는 삼림(森林)과 보안림(保安林)으로 되어 있다. 개발제한구역내(開發制限區域內)에 있는 삼림(森林)은 춘천(春川)을 중심(中心)으로 반경(半徑) 10km이내(以內)에 있는 의암호주변삼림(衣岩湖周邊森林)이며 그 면적(面積)은 $177km^2$이다. 자연환경보전지구내(自然環境保全地區內)의 삼림(森林)은 소양호연안(昭陽湖沿岸)에서 2km의 가시권내(可視圈內)에 설정(設定)되어 있으며 그 면적(面積)은 $165km^2$이다. 보안림(保安林)은 각(各) 호수연안삼림(湖水沿岸森林)에 설정(設定)되어 있으며 입지적여건상(立地的與件上) 수원함양림(水源函養林)이 주종(主宗)이며 그 면적(面積)은 $121km^2$이다. 본(本) 호수단지권내(湖水團地圈內)에는 많은 각승지(各勝地)와 유원지(遊園地) 그리고 문화재(文化財)와 유적지(遺蹟地)가 있어 호수(湖水)와 삼림(森林)과 같이 귀중(貴重)한 관광자원(觀光資源)으로 부상(浮上)되고 있다. 본(本) 호수단지주변삼림(湖水團地周邊森林)은 I~II영급(令級)의 유령림(幼令林)이 전체삼림(全體森林)의 70%를 점(點)하고 있어 ha당(當)축적(蓄積)은 $15m^3$로 탐약(貪弱)하다. 침엽수림(針葉樹林), 활엽수림(濶葉樹林), 혼효림(混淆林)의 면적비율(面積比率)은 35:37:28로 활엽수림(濶葉樹林)의 면적(面積)이 약천(若千) 우위(優位)를 점(點)하고 있다. 소유형태(所有形態)는 국유림(國有林), 도유림(道有林), 군유림(郡有林), 사유림(私有林)으로 되어 있으며 그 비율(比率)은 36:14:5:45로 사유림(私有林)이 약절반(約切半)을 점(點)하고 다음이 국유림(國有林), 도유림(道有林), 군유림(郡有林)의 순(順)으로 되어 있다. 지질(地質)은 모암(母岩)이 화강암(花岡岩) 또는 편마암계(片麻岩系)로서 풍화성(風化性)이 강(强)하고 표토층(表土層)이 척박(瘠薄)함으로 임지비배문제(林地肥培問題)를 염두(念頭)에 두어야 한다. 이상(以上)의 여건(與件)을 토태(土台)로 삼림(森林)의 풍경적시업(風景的施業)의 기본방향(基本方向)을 제시(提示)하면 다음과 같다. 1) 현재(現在) 임분(林分)은 유령림(幼令林)이 대부분(大部分)이고 임지(林地)가 척박(瘠薄)함으로 임지비배(林地肥培)와 임목무육(林木撫育)에 주력(注力)하여 장령림(壯令林)의 경지(境地)로 유도(誘導)할 것. 2) 황폐성미립목지(荒廢性未立木地)와 임간라지(林間裸地)에는 속성수(速成樹)인 리기다소나무, 오리나무 등(等)은 식재(植栽)하여 조속(早速)히 피복녹화(被覆綠化) 시킬 것. 3)계곡부(溪谷部)로서 습윤(濕潤)하고 지미(地味)가 비교적(比較的) 양호(良好)한 라지(裸地)에는 잣나무, 낙엽송, 전나무 등(等)을 식재(植栽)하여 교림(喬林)으로 육성(育成)할 것. 4) 현재(現在) 사유림(私有林)의 침엽수림(針葉樹林)은 적송(赤松)이 주체(主體)가 되어 있다. 적송(赤松)은 양수(陽樹)로서 수원함양기능(水源函養機能)이 적은 위에 현재(現在) 솔잎혹파리의 피해(被害)를 입고 있어 수종갱신(樹種更新)이 불가피(不可避)하다. 그러므로 계곡부(溪谷部)부터 잣나무, 전나무, 가문비나무, 솔송나무 등(等)을 식재(植栽)하에 점차(漸次) 음성(陰性) 침엽수림(針葉樹林)으로 대체(代替)케 할 것. 5) 현재(現在) 활엽수림(濶葉樹林)은 재질면(材質面)에 있어서나 풍치면(風致面)에 있어서 가치성(價値性)이 저렬(低劣)한 잡목(雜木), 관목(灌木) 등(等)이 많으므로 점차(漸次) 이를 제거(除去)하고 참나무, 단풍나무, 물푸레나무, 자작나무, 가래나무등(等)으로 대체(代替)케 할 것. 6) 주변(周邊) 산록부(山麓部)에는 벚나무, 수양버들, 은사시나무, 후박나무, 은행나무, 향나무, 밤나무, 살구나무, 등(等)의 관상수(觀賞樹)를 조화(調和)있게 식재(殖財)할 것. 7) 활엽수림(濶葉樹林)의 갱신(更新)을 중림형(中林型)으로 유도(誘導)하여 상하이단(上下二段)의 임관형(林冠型)의 미(美)를 조성(造成)하는 구역(區域)과 왜림형(矮林型)을 조리(調利)있게 배열(配列)하는 방안(方案)을 모색할 것. 8) 침엽수림(針葉樹林)의 갱신(更新)은 택벌작업(擇伐作業) 또는 산벌작업(傘伐作業)에 의(依)해 풍치보전(風致保全)을 기(期)할 것. 9) 혼효림(混淆林)은 상목(上木)은 침엽수(針葉樹)를 하목(下木)은 활엽수(濶葉樹)로 하는 중림형(中林型)의 풍치(風致)를 보존(保存)토록 할 것. 요(要)컨대 호수(湖水)의 우아(優雅)한 여성미(女性美)와 삼림(森林)의 호장웅대(豪壯雄大)한 남성미(男性美)가 조화(調和)되어 자연(自然)의 심오(深奧)한 신비성(神秘性)을 간직하는데 역점(力點)을 두어 궁극적(窮極的)으로는 삼림(森林)을 배경(背景)으로한 호수관광권(湖水觀光圈)의 면모(面貌)를 갖추는데 초점(焦點)을 둘 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.

• 농업과학연구
• /
• 제4권2호
• /
• pp.254-282
• /
• 1977

벼의 생육(生育) 및 수량(收量)에 관(關)한 주요양적형질(主要量的形質)의 유전(遺傳)에 관(關)한 정보(情報)를 얻고져 1974년(年) 농백(農白), 통일(統一), 팔굉(八紘), 만경(萬頃), 금남풍(金南風)을 교배친(交配親)으로 전조합(全組合) 이면교배(二面交配)를 실시(實施)하여 $F_1$종자(種子)를 얻었으며 1975년(年) 이들 $F_1$ 및 교배친(交配親) 품종(品種)을 재배(栽培)하여 여러 형질(形質)을 조사(調査)하고 그 결과(結果)를 Griffing 및 Hayman의 방법(方法)에 따라 유전분석(遺傳分析)을 하였던 바 그 결과(結果)를 요약(要約)하면 다음과 같다. 1. 통일(統一)을 교배친(交配親)으로 한 조합(組合)에서는 출수기(出穗期)가 늦어지는 쪽이 우성(優性)이었고 출수기(出穗期)가 늦어지는 방향(方向)으로 각(各) 조합(組合)에서 모두 높은 Heterosis를 나타내었던 바 높은 우성효과(優性效果)와 비대립유전자간(非對立遺傳子間)의 교호작용(交互作用)도 인정(認定)되었는데 통일(統一)을 제외(除外)한 품종(品種)을 양친(兩親)으로 한 조합(組合)에서는 출수기(出穗期)가 빠른 쪽이 우성(優性)이었고 상가적효과(相加的效果)가 우성효과(優性效果)에 비(比)해 현저(顯著)히 큰 부분우성(部分優性)을 나타내었으며 비대립유전자간(非對立遺傳子間)의 교호작용(交互作用)도 인정(認定)되지 않았다. 2. 통일(統一)을 교배친(交配親)으로 한 조합(組合)에서는 장간(長稈)쪽으로 높은 Heterosis율(率)을 나타내었으며 간장(稈長)이 긴 것이 짧은 것에 비(比)해 우성(優性)이었고 상가적효과(相加的效果)에 비(比)해 우성효과(優性效果)가 매우 커서 초월우성(超越優性)을 나타내었으며 협의(狹意)의 유전력(遺傳力)은 아주 낮았다. 그리고 교배조합(交配組合)에 따라 모본효과(母本效果)와 정역효과(正逆效果)가 현저(顯著)하였다. 3. 이삭의 추출도(抽出度)는 모든 조합(組合)에서 양친(兩親)의 평균(平均)보다 약간 길었으며 추출도(抽出度)가 길어지는 방향(方向)으로 부분우성(部分優性)을 나타내고 있었다. 우성효과(優性效果)에 비(比)해 상가적작용(相加的作用)이 현저(顯著)히 컷고 광의(廣意) 및 협의(狹意)의 유전력(遺傳力)도 모두 높았다. 추출도(抽出度)에서도 간장(稈長)에서와 같이 모본효과(母本效果)와 정역효과(正逆效果)가 유의(有意)하였다. 4. 지엽각(止葉角)은 대체로 예각(銳角)의 방향(方向)이 우성(優性)이었으나 팔굉(八紘)에서만은 교배조합(交配組合)에 따라 예각(銳角)과 둔각(鈍角)의 두 가지 상반(相反)되는 방향(方向)으로 Heterosis를 보였다. 우성효과(優性效果)가 상가적효과(相加的效果)보다 약간 높았는데 지엽각(止葉角)의 유전(遺傳)에는 교배조합(交配組合)에 따라 비대립유전자간(非對立遺傳子間)의 교호작용(交互作用)도 상당히 크게 작용(作用)한 것으로 보여진다. 5. 지엽장(止葉長)과 지엽폭(止葉幅)에서는 모두 이들이 증가(增加)되는 방향(方向)이 우성(優性)이었으나 Heterosis의 정도(程度)는 교배조합(交配組合)에 따라 각각 다르게 나타났다. 지엽장(止葉長)의 유전(遺傳)에서는 상가적효과(相加的效果)에 비(比)해 아주 높은 우성효과(優性效果)를 보여 초월우성(超越優性)이 인정(認定)되었던 반면(反面) 지엽폭(止葉幅)에서는 우성효과(優性效果)는 적었고 상가적효과(相加的效果)가 매우 크게 나타나 부분우성(部分優性)을 보였으며 광의(廣意) 및 협의(狹意)의 유전력(遺傳力)이 모두 높았다. 그리고 지엽장(止葉長), 지엽폭(止葉幅) 및 지엽각(止葉角)에서는 모두 모본효과(母本效果)나 정역효과(正逆效果)는 인정(認定)되지 않았다. 6. 통일(統一)을 한쪽친(親)으로 하는 조합(組合)의 수장(穗長)은 모두 양친(兩親)에 비(比)해 현저(顯著)히 길었으나 그 외의 조합(組合)에서는 $F_1$의 수장(穗長)이 양친(兩親)의 평균치(平均値)와 비슷하였고 수장(穗長)의 유전(遺傳)에는 상가적(相加的) 효과(效果)보다 우성효과(優性效果)가 크게 작용(作用)하였으며 수장(穗長)이 길어지는 방향(方向)이 우성(優性)이었고 협의(狹意)의 유전력(遺傳力)은 아주 낮았다. 7. 수수(穗數)가 많은 것이 적은 것에 대(對)해 우성(優性)이었으며 $F_1$의 Heterosis 정도(程度)는 교배조합(交配組合)에 따라 각각상이(各各相異)하였다. 수수(穗數)의 유전(遺傳)에는 우성효과(優性效果)가 상가적효과(相加的效果)보다 약간 크게 작용(作用)하고 있어 완전우성(完全優性)에 가까우며 모본효과(母本效果)와 정역효모(正逆效母)에 유의성(有意性)이 인정(認定)되었다. 8. 수당입수(穗當粒數)는 교배조합(交配組合)에 따라 각각(各各) 정부(正負)의 상반(相反)되는 방향(方向)으로 Heterosis가 나타났으며 Heterosis의 정도(程度)도 조합(組合)에 따라 상이(相異)하였다. 평균(平均) 우성방향(優性方向)은 수당입수(穗當粒數)가 증가(增加)되는 쪽이었으나 조합(組合)에 따라 우성(優性)의 방향(方向)은 수당입수(穗當粒數)가 증가(增加)되는 경우와 감소(減少)되는 경우를 동시(同時)에 인정(認定)할 수 있었다. 수당입수(穗當粒數)의 유전(遺傳)에는 우성효과(優性效果)가 아주 크게 나타났으며 비대립유전자(非對立遺傳子)의 교호작용(交互作用)도 인정(認定)되었다. 9. 등숙비율(登熟比率)은 조합(組合)에 따라 출수기(出穗期)의 지연(遲延)에 기인(基因)되는 등숙장해(登熟障害)와 기타 환경(環境)의 영향으로 그 유전양식(遺傳樣式)의 파악(把握)이 거의 불가능(不可能)하였으나 통일(統一)을 제외(除外)한 조합(組合)에서는 등숙비율(登熟比率)이 증가(增加)하는 방향(方向)의 우성효과(優性效果)가 인정(認定)되었다. 10. 천입중(千粒重)은 무거운 것이 가벼운 것에 대(對)해 우성(優性)이었고 우성(優性)의 정도(程度)는 상가적효과(相加的效果)가 우성효과(優性效果)에 비(比)해 현저(顯著)히 높아 부분우성(部分優性)을 나타내었다. 천입중(千粒重)은 광의(廣意) 및 협의(狹意)의 유전력(遺傳力)이 모두 높았으며 모본효과(母本效果)나 정역효과(正逆效果)는 인정(認定)되지 않았다. 11. 고중(藁重)은 통일(統一)을 한쪽 친(親)으로 하는 조합(組合)에서는 고중(藁重)이 무거워지는 방향(方向)으로 높은 Heterosis를 보였으나 그외(外)의 조합(組合)에서는 양친(兩親)의 평균(平均)보다 고중(藁重)이 감소(減少)되었고 조합(組合)에 따라 우성(優性)의 방향(方向)이 정부(正負)로 나타날 뿐 아니라 그 정도(程度)도 서로 다르며 비대립유전자간(非對立遺傳子間)의 교호작용(交互作用)도 현저(顯著)하였다.

• 한국유통학회지:유통연구
• /
• 제15권3호
• /
• pp.71-110
• /
• 2010

본 연구에서는 항공권 예약 발권 웹사이트의 서비스 품질을 측정 뿐만 아니라 서비스 회복도 측정하고자 하였다. 또한 서비스 품질과 서비스 회복이 고객만족 및 충성의도에 미치는 영향관계를 실증하고자 하였다. 온라인 서비스 품질과 온라인 서비스 회복의 측정을 위해 Parasuraman, Zeithaml, & Malhotra(2005)가 개발한 E-S-QUAL과 E-RecS-QUAL을 사용했으며, 했다. E-S-QUAL은 온라인 서비스 품질을 측정하는 도구로써, 효율성, 시스템 이용가능성, 이행성, 프라이버시의 4개 차원 22개 항목으로 구성된다. E-RecS-QUAL은 온라인 서비스 회복을 측정하는 도구로써, 반응, 보상, 접촉의 3개 차원 11개 항목으로 구성된다. 실증분석을 위한 설문조사는 항공사나 여행사의 웹사이트를 통해 국내 외 항공권을 구입해 본 경험이 있는 소비자를 대상으로 실시하였는데, 총 400부가 회수되었고, 이 중 342부를 최종분석에 사용하였다. 실증분석을 위해 AMOS 7.0과 SPSS 15.0을 사용하였다. 먼저, SPSS 15.0을 사용하여, 요인점수를 이용한 회귀분석으로 가설검증을 한 결과, <가설 I-1, 2, 3, 4, II-1, 2, 3, III-1, IV-1>이 전부 채택되었다. 온라인 서비스 품질과 온라인 서비스 회복의 각 차원은 모두 전반적인 서비스 품질에 유의한 영향을 보였고, 전반적인 서비스 품질은 고객만족에 유의한 영향을 미쳤다. 마지막으로 고객만족 역시 충성의도에 유의한 영향을 미치는 것으로 확인되었다. 한편 AMOS 7.0을 사용하여 모형 분석을 하였는데, 모형의 적합도는 가설검증을 하기에 합당한 수치가 나왔다. 이를 토대로 가설검증을 한 결과, <가설 I-1, 3, II-1, 3, III-1, IV-1>은 채택되었고, <가설 I-2, 4, II-2>는 기각되었다. 이 결과는 Parasuraman et al.(2005)이 주장한 것처럼 E-S-QUAL을 나타내는 데는 요인점수를 이용한 회귀분석이 더 적합하다는 것을 보여주는 것이라고 판단된다. 이를 토대로 본 연구의 시사점을 정리하였다.