개(Canis lupus familiaris)는 인간의 소외 현상을 개선하고, 공동체 생활 의식 향상에 기여하는 반려동물이다. 반려견 품종을 명확히 관리하는 것은 유전병을 감소시키거나, 형질 개량, 종 다양성 유지 등을 위해 중요하다. 본 연구에서는 고밀도 SNP 칩 유전자형 데이터와 기계학습 기술을 이용하여, 유전자형 데이터에 기반한 품종 식별이 가능한지, 가능하다면 최소 몇 개의 유전마커로 품종 식별을 유의하게 수행할 수 있는지 확인하기 위하여, 반려견 11 품종 226두의 23K SNP 칩 데이터를 분석하였다. 9종의 기계학습 다중범주 분류 알고리즘과 2종의 특징 선택 방법의 성능을 비교하여, 선형 서포트 벡터 머신 분류기와 주성분 분석 특징 기여도를 이용한 특징 선택 방법을 이용했을 때, 11종의 반려견 품종을 90% 이상 정확도로 식별하였으며, 이 때 40개의 유전마커가 필요함을 확인하였다. 최종 선발 된 40개의 반려견 품종 식별 유전마커는 타 질병 예측 마커와 결합하여 유전자 검사 키트로 제작될 수 있으며, 반려견 품종 관리 및 질병 관리 기술로 유용하게 활용될 수 있을 것이다.

본 연구는 단면변화를 고려한 수위-단면적 변화 및 평 균 유속-단면적 간의 상관관계를 분석하여 유량 산정 및 하천관리에 활용하고자 하였다. 수위에 따른 단면적 변화 는 SB-A 지점은 1.0 m, 1.9 m, SB-C 지점은 0.6 m, 1.8 m, CL-A 지점은 1.0 m, 1.8 m, OS-A 지점은 0.6 m, 2.0m에서 발생되었다. 이 중 첫 번째 변화는 평∙저수기에 해당되 고, 두 번째 변화는 홍수기 및 하천 좌∙우 안에 인위적 ∙자연적으로 형성된 둔치 등으로 판단된다. 수위-단면적 변화에 따른 관계식의 기울기는 지수형 0.5539~1.9013, 선형 9.040~52.544의 범위를 가진다. 기울기는 두 곡선 모두 고수위로 갈수록 증가하는 경향을 보인다. 평균유 속-단면적 변화의 관계는 지수와 직선의 방정식으로 지 수형 기울기와 상관계수는 각각 0.1182~0.8734, 0.22~ 0.86이며, 선형의 기울기와 상관계수는 0.0028~0.1032, 0.20~0.87로 분석되었다. SB-A, SB-C 지점의 저수위는 다른 수위보다 상관관계가 높게 산정되었는데, 이는 수위 구간이 좁고, 하천 단면적의 변화가 크지 않기 때문으로 판단된다. CL-A, OS-A 지점은 월류보의 영향으로 저수위 일 경우에 상관관계가 낮았다. 수위-단면적, 평균유속-단 면적의 상관관계 및 곡선식 등을 이용하여 하천 정비계 획 등의 수립에 활용할 수 있으며, 제외지의 단면적이 변 하는 지점의 유량 변화 등의 예측에 활용할 수 있을 것 이다.