• 한국토양비료학회지
• /
• 제30권1호
• /
• pp.3-15
• /
• 1997

제주도(濟州島)의 8개 대표토양(代表土壤)을 대상(對象)으로 하여 X-선(線) 형광분석(螢光分析), X-선(善) 회절(回折) 분석(分析), oxalate와 dithionite-citrate를 사용한 선택적(選擇的) 추출방법(抽出方法) 및 $M{\ddot{o}}ssbauer$ 분광법(分光法)으로 일차광물(一次鑛物), ferrihydrite, 결정질(結晶質) 산화철(酸化鐵)의 종류(種類), 함량(含量) 및 비자성(非磁性) Al이온의 치환정도(置換程度)에 대하여 고찰(考察)하였다. 1. X-선(線) 형광(螢光) 분석(分析)에 의한 제주도(濟州島)의 8개 토양통(土壤統)의 산화철(酸化鐵)($Fe_2O_3$) 함량(含量)은 분석구(噴石口) 토양인 송악통(松岳統)에서 18.21%로 가장 높았고 논토양인 대정통(大靜統)에서 8.03%로 가장 낮았다. 2. X-선(線) 회절(回折) 분석(分析) 결과(結果) 8개 토양통(土壤統) 모두에서 ferrihydrite와 결정질(結晶質) goethite의 회절(回折) 피크는 나타나지 않았지만, 결정질(結晶質) hematite는 송악통(松岳統), 구엄통(舊嚴統) 및 흑악통(黑岳統)에서 검출(檢出)할 수 있었다. 3. 선택적 침출방법으로 측정한 ferrihydrite 함량(含量)은 흑색토인 송당(松堂)과 토평통(吐坪統), 농암갈색의 분석구 토양인 감산통(柑山統) 및 갈색삼림토인 흑악통(黑岳統)에서 20.9-35.2g/kg으로 높았고, 논토양인 대정통(大靜統)에서 0.85g/kg으로 가장 낮았다. 결정질(結晶質) 산화철(酸化鐵) 함량(含量)인 $Fe_d-Fe_o$ 함량(含量)은 송악통(松岳統)에서 28.7g/kg으로 가장 높았고 흑악통(黑岳統)에서 7.6g/kg으로 가장 낮았다. 4. 제주도(濟州島) 8개 토양통(土壤統)에 함유되어 있는 상자성(常磁性) $Fe^{3+}$ 광물(鑛物)들은 화학조성(化學造成)이 거의 같은 ferrihydrite, 초상자성(超常磁性) goethite, 층형 규산염점토광물(硅酸鹽粘土鑛物)로서 감산통(柑山統)에서 그 함량(含量)이 가장 높았고 송악통(松岳統)에서 가장 낮은 것으로 분석되었다. 상자성(常磁性) $Fe^{2+}$ 일차광물(一次鑛物)은 감산통(柑山統)과 흑악통(黑岳統)에서 olivine, illite의 함량(含量)이 우세(優勢)하였으나 그 외 토양(土壤)에서는 소량(小量)의 chlorite, augite, biotite, hornblende 등이 함유(含有)되어 있는 것으로 분석되었다. 5. 18K에서 측정된 초미세자기장(超微細磁氣場)으로 부터 대정통(大靜統)에서는 미세한 goethite만이 함유(含有)되어 있는 것으로 확인(確認)되었고, 그외 7개 토양(土壤)에서는 입자 크기가 작은(${\sim}180{\AA}$) 결정질(結晶質) hematite와 goethite인 것으로 분석(分析)되었다. 6. 제주도(濟州島) 8개 토양통(土壤統)에 함유되어 있는 산화철(酸化鐵)의 구조에서 $Fe^{3+}$와 비자성(非磁性) $Al^{3+}$이 상당량(相當量) 부분(部分) 치환(置換)되었음을 확인(確認)할 수 있었다.

• 한국해안·해양공학회논문집
• /
• 제31권5호
• /
• pp.265-277
• /
• 2019

파랑관측 자료와 실측된 해안선 위치를 활용하여 맹방해안에 형성되는 beach cusp의 일 년에 걸친 대순환과정과 계절별 특성을 포획모드 Edge waves와 beach cusp의 인과 관계를 중심으로 살펴보았다. 맹방표사 계에 출현하는 beach cusp의 시공을 통한 변화 추이를 가늠하기 위해 threshold 상향통과 법으로 특정된 각 beach cusp의 파장과 진폭을 활용하여 정량화하였으며, 스펙트럼 해석의 경우에는 spectral mean sand wave number를 도입하여 정량화하였다. Spectral mean sand wave number의 시계열자료로부터 sand wave의 융합과 분할이 반복되는 주기를 산출하는 경우 beach cusp의 대순환과정은 일 년에 두 번에 걸쳐 진행되는 것으로 보인다. 해빈면적의 경우 해빈 대순환 과정이 완성되는 일 년을 기준으로 $14,142m^2$ 정도 증가하였으며, quadratic 회귀 분석하여 얻은 평균 해안선의 경우 맹방해안 남단과 북단에서는 18 m, 맹방해안 중앙부에서는 2.4 m 내외로 전진하였다. 해빈면적은 2017.11.26부터 2017.12.22 사이에 $30,345m^2$ 내외로 급속하게 증가하였으며, 이렇게 급속한 해빈면적 증가는 상당히 예외적인 것으로 11월 26부터 12월 22일 사이에 맹방해안으로 내습한 파랑의 성격에 기인하는 것으로 판단된다. 전술한 기간은 온화한 장주기 너울이 지배적이며, 대부분의 파랑이 영의 영각에 가깝게 맹방해안으로 내습한다. 이러한 파랑조건은 주 표사 이송모드가 횡단 표사라는 것을 의미하며 자연 해빈의 자기 치유능력이 횡단 표사를 통해 구현된다는 사실을 상기하면 전술한 해빈면적의 급속한 증가는 영의 영각으로 진입하는 파랑의 경계층 streaming에 의해 해안방향으로 회귀되는 표사가 누적되어 발생하는 것으로 판단된다.

• 한국방사선학회논문지
• /
• 제13권5호
• /
• pp.801-809
• /
• 2019

큰 병변에 대한 기존 감마나이프 방사선수술은 종종 체적 또는 선량 분할 단계들로 수행된다. 체적 분할의 경우, 병변은 처방된 선량 하에서 하루 또는 이틀, 3 ~ 6개월로 분할된 다중 세션에서 조사되는 하위 체적들로 분할되곤 한다. 치료의 전체 과정 동안, 이전 단계의 치료 정보는 세션 사이의 좌표 변환을 통해 새로 장착된 정위 프레임 상의 후속 세션에 반영될 필요가 있다. 그러나 동일한 정위 공간을 제외하고 기존 감마나이프 시스템으로는 이전 선량 분포를 구현하는 것은 실제로 어렵다. 최신 감마나이프 플랫폼을 사용하여 다단계 치료를 수행할 수 있기 때문에 치료 영역이 확장되고 있다. 이 연구의 목적은 정위적 공간에 기초한 영상 정합과 새로운 감마나이프 플랫폼을 사용하여 각 단계에서 처방 선량 결정과 같은 다단계 감마나이프 방사선수술 전략을 소개하는 것이다. 일반적으로 영상 정합에서 수술적으로 내장된 기준점 또는 내부 해부학적 랜드마크들이 변환 관계를 결정하는데 사용된다. 저자는 내부 해부학적 랜드마크들을 사용하는 예로서 4개 또는 6개의 해부학적 랜드마크를 사용하는 다중 세션 간의 좌표 변환 정확도를 비교하였다. 측정된 좌표들과 계산된 좌표들 사이의 불일치를 최소화하기 위해서 PseudoInverse 또는 Singular Value Decomposition을 사용하여 두 정위 공간 사이의 변환 행렬이 결정되었다. 변환 정확도를 평가하기 위해 측정된 좌표와 변환된 좌표들 사이의 차이, 즉 ${\Delta}r$이 10개의 랜드마크들을 사용하여 계산되었다. 10개의 랜드마크들 중 4개 또는 6개의 점들을 사용하여 좌표 변환을 결정하고 나머지는 접근 방법을 평가하는데 사용되었다. 두 가지 접근 방법에서 각각의 ${\Delta}r$ 값은 0.6 ~ 2.4 mm, 0.17 ~ 0.57 mm 범위이었다. 게다가 병변 분할의 경우 한 번에 전체 병변의 치료와 동일한 효과를 제공하는 처방 선량을 결정하는 방법이 제안되었다. 동일한 정위 공간에서의 다단계 치료 전략은 전체 병변에 대한 치료를 먼저 디자인하는 것이며, 전체 치료 디자인 샷들은 각 단계 치료의 샷들로 나누어 각 단계별 샷들을 구성하고 각 단계에서 적절한 처방 선량을 결정한다. 결론적으로 저자는 다단계 치료 전략으로서 처방 선량 결정의 정확성을 확인하였고, 다중 세션 간의 좌표 변환을 결정하기 위해 적은 랜드마크들을 사용하는 것보다 가능한 많은 내부 랜드마크들을 사용하는 것이 더 나은 결과를 산출함을 보았다. 향후 제안된 다단계 치료 전략은 여러 감마나이프 센터들의 틀 없는 분할 치료에 크게 기여할 것이라 사료된다.

• 한국산림과학회지
• /
• 제109권4호
• /
• pp.492-503
• /
• 2020

본 연구는 우리나라 전역에 분포하고 있는 대표적 활엽수인 신갈나무와 굴참나무 5,005본을 벌채·수집하여 수간의 부후 조사를 실시하였다. 전국적으로 5개 대권역 27개 지역 소권역별로 분포면적 대비 표본수를 고르게 할당하여 신갈나무 2,504본, 굴참나무 2,501본을 공시목으로 선정하여 벌채 후, 그루터기의 부후조사를 상흔(상처흔적), 조직고사 및 탈색, 할렬, 동공의 4가지 형태로 조사하였다. 부후율은 신갈나무가 66.1%, 굴참나무가 31.5%로 신갈나무가 굴참나무에 비하여 두 배 이상 높았다(p < 0.001). 지역별 비교에서 신갈나무는 중부청(76.5%), 북부청(74.8%), 동부청(65.7%), 굴참나무는 북부(38.6%), 남부(37.8%), 동부청(32.9%) 권역 순으로 나타났으며, 두 수종 모두 5개 대권역 간에는 차이가 있는 것으로 나타났다(p < 0.05, p < 0.001). 또한 수간부후는 두 수종 모두 직경의 증가에 따라서 역시 유의적으로 증가하는 경향을 보였으며(p < 0.001, p < 0.05), 수령에 따른 수간부후도 대체적으로 증가하는 경향을 보였으나, 신갈나무에서만 통계적으로 유의한 차이를 보였다. 부후형태는 직경과 수령이 증가할수록 신갈나무는 대부분 조직고사 및 탈색의 부후형태 단계, 굴참나무는 상흔단계를 보이고 있었다.

• 동양고전연구
• /
• 제68호
• /
• pp.539-570
• /
• 2017

이 글은 소림일다(小林一茶)(고바야시 잇사, 1763-1827, 이하 '잇사'라고 칭함)의 ${\ll}$시경${\gg}$ 배구(俳句)(이하 '하이쿠'라고 칭함)화(化) 양상을 살피고 그 의미를 도출한 것이다. 잇사는 1803년 ${\ll}$시경${\gg}$을 공부하고, 이를 하이쿠로 재창작하여 ${\ll}$향화구첩(享和句帖)${\gg}$을 작성했다. 현재까지 이에 대한 국내의 연구는 없으며, 일본과 중국에서 잇사의 ${\ll}$시경${\gg}$ 수용 양상을 다룬 바 있다. 그러나 그 내용은 주로 국풍(國風)에 한정되었으며 연구자들 사이에 용어 합의가 이루어지지 않는 등 다양한 문제점을 내포하고 있었다. 따라서 본고에서는 이러한 문제를 해결하기 위해 전 작품을 대상으로 연구를 진행하였으며, 번역이라는 관점을 지양하고 배구화(俳句化)라고 명명하였다. 나아가 두 장르간의 심층적인 교류와 영향 관계를 문학적으로 분석하기 위하여 ${\ll}$시경${\gg}$ 배구화(俳句化) 양상을 주제의식의 재현, 시어와 이미지의 변용, 의경 전화와 제목 차용의 층위로 나누어 살펴보았다. 주제의식의 재현에서는 주로 고향이나 부모를 그리워하는 작품이 선별되어 배구화(俳句化) 되었다. 이때 단순한 주제 차용의 수준이 아니라 핵심 의미를 도출, 주석을 고려하여 해석하거나 잇사 개인의 원작 이해가 많이 개입되었음을 살폈다. 시어와 이미지의 변용에서는 해당 원천들의 의미를 절취하거나 조합하여 자신의 방식대로 해석한 작품이 두드러졌다. 의경 전화에서는 일본적 정경으로 그 분위기를 바꾸는 작품이 있었는가하면, 제목 차용의 수준에 머무르고 있는 작품도 존재했다. 배구화(俳句化)의 의식 지향은 ${\ll}$시경${\gg}$의 감정이나 격앙된 어조, 비난 등을 의도적으로 탈락시키고 이치를 배척하거나 시교(詩敎)의 관점을 탈피한 것, 도덕적 이상을 담아내지 않는 작품에서 찾을 수 있었다. 잇사는 ${\ll}$시경${\gg}$을 하이쿠로 옮겨 올 때 매우 많은 부분에서 하이쿠적인 감상과 습관을 자각적으로 사용한 것이다. 잇사가 ${\ll}$시경${\gg}$을 배구화(俳句化)한 것의 의미는 우리의 ${\ll}$시경${\gg}$ 수용과 대조해볼 때 두드러지게 나타났다. 조선에서는 ${\ll}$시경${\gg}$을 언해하였지만 의역이 아닌 직역을 하였기 때문에 ${\ll}$시경${\gg}$ 원문의 글자가 유지되었다. 일본의 경우도 훈독체로 ${\ll}$시경${\gg}$을 수용하였기 때문에 원 글자가 바뀌지는 않았다. 그러나 잇사는 ${\ll}$시경${\gg}$의 출발점인 민요의 성격을 드러내기 위하여 일본의 민족어 시가 형태로 그 내용을 옮겼다. 동아시아의 보편적인 ${\ll}$시경${\gg}$ 수용 방식을 벗어나 잇사는 민족어 시가로 ${\ll}$시경${\gg}$에 대응한 것이다. 따라서 잇사의 ${\ll}$시경${\gg}$ 배구화(俳句化)의 의미를 본래 ${\ll}$시경${\gg}$의 출발점인 노래 그 자체로 인식하여 받아들인 태도에서 찾아야 할 것이라고 보았다.

• 광물과 암석
• /
• 제35권3호
• /
• pp.313-331
• /
• 2022

무기 자연 수소(H₂)는 천연가스의 주요 구성성분이지만, 청정 및 재생 가능한 에너지로써 글로벌 에너지 분야에서 그 중요성이 다소 과소평가되고 있다. 이 논문은 우리가 과거에 생각했던 것보다 훨씬 광범위한 환경에서 무기 자연 수소가 대륙 암석권에서 대량 생성된다는 최근 논문들을 바탕으로 자연 수소의 발생 기작과 이와 관련된 다양한 지질학적 특징들을 검토하였다. 지금까지 확인된 자연 수소의 주요 근원암은 (1) 초고철질암, (2) 철(Fe²⁺)이 풍부한 암석으로 구성된 강괴, (3) 우라늄이 풍부한 암석이다. 이 암석들은 선캄브리아 시대 결정질 기반암 그리고 중앙 해령과 대륙기반의 오피올라이트(ophiolite), 페리도타이트(peridotite) 암체에서 사문암화된 초고철질암과 밀접하게 관련된다(Zgonnik, 2020). 이 근원암들에서 자연 수소를 생성하는 무기적 작용은 (a) 광물(예, 감람석)의 Fe²⁺이 산화되는 동안 물의 환원, (b) 방사성 붕괴로 인한 수전해, (c) 규산염 암석의 기계적 파괴(예, 단층) 동안 물과 표면 라디칼의 반응 등이며, 자연 수소는 자유 기체(51%), 다양한 광물 내의 유체포유물(29%), 지하수의 용존기체(20%) 형태로 발견된다(Zgonnik, 2020). 우리나라의 경우 아직 자연 수소 연구가 수행되지는 않았지만, 경상분지 내 무기 자연 수소의 생성과 부존 가능성은 두꺼운 퇴적분지 내에서 초고철질암, 층간 현무암층과 철/구리 부화대 존재, 그리고 페름기-제3기 동안 능동적 대륙 연변부에서 여러 번의 화성활동 등을 포함한 지질학적/지구화학적 특성을 고려하면 상당히 높은 것으로 평가된다. 최근 지질 기원의 자연 수소를 연구/탐사하는 국외 학자들과 산업체들은 가까운 미래에 자연 수소가 깨끗하고 재생 가능한 획기적인 에너지원 역할을 할 것으로 전망하고 있다. 따라서 우리나라에서 자연 수소의 경제적 활용을 위한 부존지 발견 여부와 상관없이 지하의 암석-유체 상호작용에 관한 통합 연구를 통해 아직 밝혀지지 않은 자연 수소의 성인과 탐사는 차세대 핵심 연구임이 분명하다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.

• 심성연구
• /
• 제38권2호
• /
• pp.269-304
• /
• 2023

본 논문의 취지는 창조신화에 보편적으로 나타나는 흑암/혼돈 천지개벽/분리, 육지/산 창조 관련 신화의 심리학적 의미를 임상현장에서 관찰한 꿈, 적극적 상상 및 예술작업과 연관하여 무의식의 창조성과 치유적인 기능을 드러내는 것에 있다. 먼저 창조신화가 개인사나 인류사에서 혼돈에서 새로운 질서를 필요로 할 때 무의식의 창조성에 의하여 저절로 만들어지는 원형적인 투사 현상으로서 자아의 태도에 따라 새로운 의식의 도약(재건)의 조짐이 될 수도 있고 자아의식의 침범이 될 수 있음을 논하고, 융, 폰 프란츠, 노이만, 하딩, 에딘져 및 국내의 연구현황과 연구자의 선행연구를 소개하면서 사례를 연관시켜서 연구하게 된 배경을 밝힌다. 창조신화의 흑암/원초적인 혼돈(massa confusa)'의 심리학적 의미에서 '흑암'은 어두워서 보지 못하는 무의식 상태로 보고 어둠속에서 기어다니는 에스키모의 창조자와 어둠속에 있거나 보는 것에 문제가 있는 꿈들과 상황을 소개하면서 연금술의 니그레도(nigredo)공정과 연관하였다. '원초적인 혼돈'은 하나 속에 모든 것이 들어있는 우로보로스, 플레로마, 유아기의 경험 또는 근원적인 자궁의 의미를 가지며 창조의 전조이기도 하지만 심연(abyss)에 갇힌 경험이 될 수 있다는 점을 관련된다고 보는 꿈과 상황을 함께 논한다. '천지개벽(분리)'은 무의식적인 내용이 의식이 되기 전에 의식의 문턱을 건드릴 때 두 개로 쪼개지는 것과 관련되고 의식의 진보가 있을 때 나타난다고 보면서 관련신화로서 '천지에 간극이 생겨서 만들어지는 세상', '천상의 존재가 지상으로 내려와 만들어지는 세상', '산 이동 설화'를 소개하고 각 신화가 가지는 심리학적 의미를 관련 사례와 함께 논한다. 관련문헌을 토대로 천지분리가 자체적으로 일어난다는 것과 창조자의 외로움, 불안함 등 정서적인 부분이 개입한다는 것, 그리고 지연된 분리가 크레아투라(creatur 창조물)의 죽음이 되고 성급한 분리가 천재 혼돈의 죽음이 된다는 것이 임상에서 시사하는 바를 논한다. '천지개벽'을 연금술의 분리(separatio)공정과 연관하면서 흑암/혼돈/무의식에서 빛/의식성을 획득해 가는 과정과 동일하다고 보았다. '육지 창조'는 무의식의 내용물이 자아의 영역으로 구체화되는 의식성의 출현을 의미하며. 관련 신화로서 메르쿠리우스 영의 육화라고 볼 수 있는 '괴물/거신의 몸이 육지가 되는 신화', '흙을 가지고 오는 등 창조자의 부단한 노력으로 만들어지는 육지'와 '저절로 만들어지는 육지'에 관련되는 신화와 관련 사례를 소개한다. '육지 창조'를 연금술의 땅처럼 구체화되는 응고(coagulatio)와 연관시키면서 적극적 상상 및 미술, 음악, 무용 등의 창조적인 작업이 추상적이라고 할 수 있는 심상을 자아영역으로 구체화한다는 점에서 무의식의 치유적 기능을 허용 내지 활성화하는 방편이 될 수 있다는 점을 부각한다. 마지막으로 세계멸망 후 다시 떠오른 육지관련 신화를 '자아의 재구축'의 의미로 보고 관련 임상 자료를 소개하면서 분석가/치료사/임상감독자의 무의식이 임상에 미치는 영향을 보여주는 것으로 마감한다.

• 광물과 암석
• /
• 제33권3호
• /
• pp.273-291
• /
• 2020

화강암 석산에서 1번 면, 2번 면 및 3번 면으로 알려진 세 직교하는 분할면의 강도 특성을 검토하였다. R, G 및 H 공시체는 거창 및 합천 지역에서 분포하는 쥬라기 화강암류의 블럭 샘플로부터 획득하였다. 이들 세 공시체의 장축의 방향은 세 면 각각에 수직이다. 세 면에 대한 판별에 유용한 주요 사항은 다음과 같다. 첫째, R, G 및 H 공시체의 일축압축강도와 관련된 세 그래프의 스케일링 특성을 보여 주는 도면을 작성하였다. 강도의 증가에 따라 세 공시체의 그래프는 H < G < R의 순으로 배열한다. 공시체 내부의 조직균일도를 지시하는 세 공시체에 대한 그래프의 경사각을 비교하였다. H 공시체(θ^H, 24.0°~37.3°)에 대한 상기한 각이 세 공시체 중에서 가장 낮다. 둘째, 두 공시체의 평균압축강도의 조합을 나타내는 RG, GH 및 RH 공시체의 세 그래프와 관련된 스케일링 특성을 도출하였다. 다양한 형태를 취하는 이들 세 그래프는 GH < RH < RG의 순으로 배열한다. 섯째, 강도차(Δσ_t)와 경사각(θ) 사이의 상관도를 작성하였다. 위의 두 파라미터는 -0.003의 지수(λ)를 갖는 지수함수의 상관성을 보여 준다. 두 화강암에서, RH-그래프의 경사각(θ^RH)이 가장 낮다. 넷째, 세 공시체에 대한 세 종류의 압축강도 그리고 각 공시체에 가해진 압축하중에 평행 배열하는 두 조의 미세균열에 대한 다섯 파라미터 사이의 상관 관계를 보여 주는 여섯 유형의 도면을 작성하였다. 거창 및 합천화강암에 대한 이들 도면으로부터, 빈도수(N, 0.872) 및 밀도(ρ, 0.874)와 함께 총 길이(Lt)에 대한 상관계수(R²)의 평균값(0.877)이 가장 높다. 또한, 세 공시체의 최소(0.768) 및 최대(0.804)의 압축강도에 비하여 평균압축강도와 관련된 상관계수의 값(0.829)이 보다 높다. 다섯째, 거창화강암의 세 공시체에서 발달된 상기의 두 조의 미세균열과 평행한 방향으로 측정한 압열인장강도의 분포 특성을 도출하였다. 관련 도면으로부터, R, G 및 H 공시체에 해당하는 이들 인장강도에 대한 세 그래프는 H(R1+G1) < G(R2+H1) < R(R1+G1)의 순을 보여 준다. 인장강도에 대한 세 그래프의 배열순과 압축강도에 대한 세 그래프의 배열순과 상호 부합한다. 따라서, 세 공시체의 압축강도는 상기한 세 유형의 인장강도와 상호 비례한다. 여섯째, 상기한 세 그래프에서 도출한 각 누적수(N=1~10)에 해당하는 세 인장강도 그리고 각 그래프에 해당하는 다섯 파라미터의 값 사이의 상관 계수를 도출하였다. 10개의 상관도에서 도출한 각 파라미터에 대한 상관 계수의 평균값은 밀도(0.763) < 총 길이(0.817) < 빈도수(0.839) < 평균 길이(Lm, 0.901) ≤ 중앙 길이(Lmed, 0.903)의 순으로 증가한다. 일곱째, 세 공시체에 대한 일축압축강도 그리고 압열인장강도 사이의 상관도를 작성하였다. 상기한 상관도는 세 종류의 압축강도 그리고 다섯 그룹(A~E)의 인장강도를 근거로 아홉 유형으로 분류하였다. 관련 도면으로부터, 최소압축강도를 제외한 평균 및 최대압축강도와 함께 인장강도가 증가할수록, 상관계수의 값은 급격하게 증가한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.