21세기 지식기반사회에서 기술 발전 속도는 가속화되고 있으며 조직 목표를 달성하는데 영향을 줄 수 있는 시장, 거버넌스 및 사회적 가치의 미래 모습에 대한 불확실성이 증대하고 있다. 이러한 기술과 사회 발전의 가속화 및 증가하는 불확실성에 대응하기 위해서 다양한 미래사회 전망을 바탕으로 미래유망기술을 도출하는 기술예측의 필요성은 더욱 중요해지고 있다. 기술예측에는 다양한 예측 방법론이 이용 가능하나 예측의 목적 및 재원 등에 따라 선택되어야 한다. 델파이 방법이 오랫동안 주로 사용되어 왔지만 최근에는 시나리오 또한 많이 활용되고 있다. 시나리오는 사회, 경제 및 정치 등의 환경요인의 복잡성과 불확실성을 폭넓게 고려할 수 있으며 미래의 다양한 모습을 이야기 식으로 전달하기 때문에 매우 효과적인 전략적 도구로 활용된다. 전세계적으로 진행되고 있는 기후변화, 화석연료의 고갈 등으로 세계 각국은 신재생에너지에 대한 높은 관심을 갖고 기술개발 및 보급 등을 적극적으로 추진하고 있다. 하지만 신재생에너지 분야의 가용잠재량은 지역적으로 큰 편차가 있으며 기술적 진보, 환경규제 및 화석 연료의 가격전개와 밀접하게 연관되어 있어 그 발전추이를 예측하기 어려운 면이 있다. 이에 본 연구는 이러한 불확실성을 반영하여 신재생에너지 분야에 대한 다양한 미래 시나리오를 작성하고 시사점을 도출하였다. 향후 본 연구의 시나리오 기반의 예측 프로세스를 국가과학기술예측에 활용함으로써, 기존의 델파이 위주의 단정적 예측의 단점을 보완한 전략적 예측을 강화할 수 있을 것으로 전망된다.

원전에서 발생된 중저준위 방사성 폐기물의 경우 처분장으로 이송되기 이전에 드럼에 대한 세부적인 정보 특히 핵종 재고량에 대한 평가가 수행되어야 한다. 그러나 드럼처리된 방사성폐기물의 경우 평가 대상 핵종 농도에 대한 예측이 어려운 것이 일반적이다. 따라서 이를 극복하고자 직접측정이 어려운 경우 척도인자 방법을 활용하고 있다. 국내의 경우 1996년부터 고리원전에서 척도인자 개념이 적용된 핵종분석장치를 운영해오고 있다. 그러나 고리원전에 적용된 척도인자의 경우 많은 개선의 여지가 남겨져 있다. 따라서 현재 척도인자의 향상을 위한 연구가 진행 중에 있다. 본 논문에서는 연구의 범위에 대한 개략적인 소개와 핵종 재고량 평가 방법 중 보다 신뢰할 수 있는 평가 방법을 찾고자 통계적인 척도인자 평가 방법을 비교 평가했으며 이를 통해 고리원전에 사용된 산술평균 방법을 기하평균 방법으로 바꾸는 것이 예측의 정확성을 향상시킬 수 있을 뿐만 아니라 드럼내 핵종 재고량의 과대평가를 막고 합리적인 보수성을 유지할 수 있음을 알수 있었다.

Final disposal of radioactive waste generated from Nuclear Power Plant (NPP) requires the detailed information about the characteristics and the quantities of radionuclides in waste package. Most of these radionuclides are difficult to measure and expensive to assay. Thus it is suggested to the indirect method by which the concentration of the Difficult-to-Measure (DTM) nuclide is estimated using the correlations of concentration - it is called the scaling factor - between Easy-to-Measure (Key) nuclides and DTM nuclides with the measured concentration of the Key nuclide. In general, the scaling factor is determined by the log mean average (LMA) method and the regression method. However, these methods are inadequate to apply to fission product nuclides and some activation product nuclides such as 14 and 90 . In this study, the artificial neural network (ANN) method is suggested to improve the conventional SF determination methods - the LMA method and the regression method. The root mean squared errors (RMSE) of the ANN models are compared with those of the conventional SF determination models for 14 and 90 in two parts divided by a training part and a validation part. The SF determination models are arranged in the order of RMSEs as the following order: ANN model