• 한국전통조경학회지
• /
• 제34권1호
• /
• pp.83-96
• /
• 2016

본 연구는 가시연꽃(Euryale ferox Salisbury)을 구성종으로 하는 연못의 식재기반 조성을 위한 기초자료 획득을 목적으로, 전라북도 내의 가시연꽃 자생지 14곳에 대한 문헌 및 현장조사를 통해 자생지 식물상과 식생환경에 대한 조사분석을 통해 다음과 같은 결과를 얻었다. 1. 가시연꽃 생육지 14곳의 전체 식물상은 79과 211속 298종 2아종 30변종 6품종으로 총 336분류군이 확인되었으며, 정수성 수생식물은 17분류군, 부엽성은 가시연꽃을 포함하여 7분류군, 부유성은 5분류군 그리고 침수성 수생식물은 2분류군으로 분류되었다. 수생식물만을 대상으로 한 유사도분석 결과, 가장 유사도가 높은 정읍 한성지와 고창 석남저수지에서는 가시연꽃 이외에 부엽성식물로 연꽃과 마름이 동일하게 서식하고 있다. 따라서 가시연꽃을 주소재로 한 연못 조성시 연과 마름은 동반식물로서 생태적 지위를 보이는 것으로 파악된다. 2. 생육형별 수생식물의 출현빈도를 살펴보면, 가시연꽃 이외에 정수성식물인 뚜껑덩굴과 갈대가 각각 11회 출현하여 78.6%의 높은 빈도를 보였으며 부엽성 수생식물인 마름이 10회(71.4%), 줄이 8회(57.1%) 출현하였다. 이밖에 고마리, 겨풀, 마름, 개구리자리, 물피, 매자기, 연꽃, 어리연꽃의 순으로 출현율이 높았다. 3. IUCN 평가기준에 따른 조사대상 가시연꽃 생육지에서 발견된 희귀식물은 가시연꽃과 함께 취약종(VU)인 통발, 이외에 약관심종(LC)인 새박, 자라풀, 물질경이 등 3분류군으로 도합 5분류군이 확인되어 가시연꽃 활용 연못시 도입이 가능한 희귀식물로 분류되었다. 4. 가시연꽃 자생지의 군락유형은 대부분 가시연꽃군락이었으며 군산의 대위저수지는 마름+가시연꽃+어리연꽃군락으로 정의하였다. 자생지별 가시연꽃의 녹피율은 0.03에서 36.50으로 상당히 큰 편차를 보였으며 평균 녹피율은 9.8로 계상됨에 따라 연못 조성시 가시연꽃의 녹피율을 10% 이하의 수준으로 유지하는 것이 합리적으로 판단된다. 5. 조사대상지별 가시연꽃 자생지와 인접한 식생군락으로는 나도겨풀군락 3개소, 마름군락과 줄군락이 각각 2개소, 연꽃군락, 어리연꽃+부들군락, 마름+연꽃군락, 자라풀군락, 나도겨풀+털물참새피군락 1개소 그리고 가시연꽃+마름군락 1개소 등으로 각 저수지마다 입지조건 등에 따라 다소의 차이를 보였다. 따라서 이러한 결과는 가시연꽃을 주요 구성종으로 하는 연못의 식재설계시 동반 부엽식물의 선정 및 식피율 배분에 반영해야 할 지침으로 제안한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.