머신러닝 기법을 활용한 수질 예측 가능성 연구 = Study on Water Quality Predictability using Machine Learning Technique
저자
유나영 ( Nayeong Yu ) ; 신민환 ( Minhwan Shin ) ; 박상준 ( Sangjoon Bak ) ; 임정하 ( Jungha Lim ) ; 금동혁 ( Donghyuk Kum ) ; 김종건 ( Jonggun Kim )
발행기관
학술지명
한국농공학회 학술대회초록집(Proceedings of the Korean Society of Agricultural Engineers Conference)
권호사항
발행연도
2022
작성언어
-주제어
KDC
500
자료형태
학술저널
수록면
270-270(1쪽)
제공처
최근 과거와 다른 강우패턴으로 인해 발생하는 비점오염물질로 인한 수질악화는 사회적 ·경제적 문제로 야기되고 있다. 비점오염물질은 강우에 의해 유출되며 오염원이 광범위하게 분포하고 있어 오염물질 발생량의 정량화가 쉽지 않다. 수질오염 문제의 해결을 위해서는 강우시 발생하는 오염물질의 발생 패턴과 정량화가 우선되어야 한다. 이를위해 환경부에서는 홍수통제소, 수질측정망, 총량측정망, 비점오염물질측정망, 자동측정망 등을 운영하여 지속적인 하천의 수질을 측정하고 있다. 수질측정망과 총량측정망의 경우 월 1회 또는 연 36회 이상으로 수질을 측정하고 있으나, 강우시 수질 데이터의 부족으로 인해 비점오염물질이 심한 지역의 하천오염 대응이 어려운 실정이며, 자동측정망은 1시간 간격으로 데이터를 축적하고 있으나 하천의 수질오염을 대표할 수 있는 수질분석 항목의 부재 등 오염원의 현황을 파악하기 어렵다. BOD와 T-P, SS 등을 측정하고 있는 비점오염물질측정망은 강우시 수질측정이 이루어지고 있으나, 2022년 8월 현재 36개 지점으로 전국의 하천의 수질오염 현황을 파악하기에는 어려움이 있다. 본 연구에서는 강우시 수질분석 자료가 중요시 되는 비점오염원관리지역 중 골지천 유역의 수질자료와 기상자료 등의 실측자료를 기반으로 머신러닝을 통해 미계측 지역의 수질항목별 농도와 결측자료 예측이 가능한지 검토하고자 하였다. 머신러닝 기법은 의사결정 나무(Decision T ree, D T), 신경망(Multi Layer Perceptron, MLP), XG-부스트(Extream Gradient Boost, XGB), 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest, RF), 그래디언트 부스팅(Gradient Boosting, GB)와 같이 6가지 기법을 사용하였다. 수질분석 자료는 2017년부터 2019년까지 골지천 유역 내 5개 지점에서 지점별 196회~228회의 모니터링 결과(유량, EC, 탁도, BOD5, SS, T-N, T-P, TOC)를 이용하였으며, 기상자료는 기상청의 온도와 풍속, 습도 등의 자료를 확보하였다. 머신러닝의 입력변수는 홍수통제소와 수질측정망에서 측정하는 유량과 EC, 탁도, 기상자료(온도, 풍속, 습도) 등을 활용하였으며, 입력변수를 통해 5개 지점의 수질항목별 농도(BOD5, SS, T-N, T-P, TOC)를 예측하였다. 머신러닝 기법 적용 결과 5개 지점에서 랜덤 포레스트(RF) 기법이 평균 0.71로 수질항목별 농도예측이 가장 잘 되는 것으로 나타났다. 그러나 5개 지점 중 유역면적이 가장 작은 관말교 지점과 유역면적이 가장 큰 제1여량교 지점의 경우 항목간 예측 편차가 큰 것으로 나타나 전국의 하천수질을 예측하기 위해서는 유역면적 혹은 유역특성과 관련한 기초자료를 추가로 적용하여 머신러닝 기법을 고도화 해야할 것으로 보여진다. 또한, 본 연구에서 예측한 수질항목 이외에 기타 항목은 다른 머신러닝 기법의 예측 효율이 높을 수 있으므로 추가 입력변수 확보를 통한 검토가 필요할 것으로 보여진다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)