머신러닝 기반 물 분배 시스템 성능평가 프레임워크 개발

국문 초록 (Abstract)

최근 상수도 통계에 따르면, 전국적으로 상수도 보급률이 약 99%에 이르며 매우 높은 수준을 유지하고 있다. 그러나 노후된 관로로 인해 발생하는 파손 및 수질 문제는 여전히 운영상에서 어려움을 야기하고 있다. 이러한 문제를 예방하고자 시스템의 성능을 정량적으로 평가하여 효과적인 유지관리 수행하도록 성능평가를 수행한다. 현재 국내에서 시행되고 있는 성능평가는 간접평가와 직접평가를 결합한 점수평가 방식이 적용되고 있다. 그러나 현재 수행중인 성능평가 중 관체 또는 관로내부를 조사하는 직접평가의 경우 모든 관로에 대해 시행하기에는 비용과 시간이 제한적이다. 따라서, 이러한 한계를 극복하기 위해, 본 연구에서는 머신러닝 기법 중 Deep neural network를 적용하여 물 분배 시스템의 노후도를 평가하고, 직접 평가와 간접 평가 간의 상관관계 분석을 통해 간접평가 결과를 바탕으로 직접평가 결과를 추정하여, 모든 관로를 대상으로 직접평가를 수행하고 이를 통해 성능평가의 신뢰도를 높일 수 있는 물 분배 시스템 성능평가 프레임워크를 개발하였다. 더 나아가, 직접평가에 필요한 학습데이터의 부족 문제를 해결하기 위해 데이터 증강기법을 도입하였다. 본 연구에서 제안한 물 분배시스템 성능평가 프레임워크는 현재 수행중인 성능평가의 효율성과 정확성을 향상시킬 수 있는 새로운 방법을 제시하며, 보강 우선순위 결정을 지원하는 데 유용할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Recent statistics indicate that the national water supply coverage is approximately 99%, reflecting a high level of service. However, the aging infrastructure continues to cause issues such as pipe failures and water quality concerns, creating operational difficulties. To solve these issues, performance assessments are used to quantitatively evaluate the system conditions and ensure effective maintenance. In Korea, these assessments are based on a scoring system that combines direct and indirect assessments. However, direct assessment of all pipes is limited by cost and time constraints. To address this issue, a deep neural network is used to assess the aging of water distribution systems. This study develops a framework to estimate direct results from indirect data by analyzing the correlation between indirect and direct assessments. Additionally, data augmentation is considered to compensate for the lack of training data in direct assessments, improve the reliability of performance assessments, and support better prioritization in system maintenance.

목차 (Table of Contents)

• 1. 서 론
• 2. 인공지능을 활용한 물 분배 시스템 성능평가 프레임워크
• 3. 적용 결과
• 4. 결 론
• 감사의 글
• References