A Neural Network-Based Tracking Method for the Estimation of Hazardous Gas Release Rate Using Sensor Network Data

센서네트워크 데이터를 이용하여 독성물질 누출속도를 예측하기 위한 신경망 기반의 역추적방법 연구

In this research, we propose a new method for tracking the release rate using the concentration data obtained from the sensor. We used a sensor network that has already been set surrounding the area where hazardous gas releases can occur. From the real-time sensor data, we detected and analyzed releases of harmful materials and their concentrations. Based on the results, the release rate is estimated using the neural network. This model consists of 14 input variables (sensor data, material properties, process information, meteorological conditions) and one output (release rate). The dispersion model then performs the simulation of the expected dispersion consequence by combining the sensor data, GIS data and the diagnostic result of the source term. The result of this study will improve the safety-concerns of residents living next to storage facilities containing hazardous materials by providing the enhanced emergency response plan and monitoring system for toxic gas releases.

본 연구에서는 독성가스 중 가장 널리 이용되는 염소와 암모니아 가스 누출에 대한 누출속도 추정 방법을 제안하고자 한다. 우선, 독성 가스 누출이 자주 발생하는 위험 지역 주변에 펜스 형태의 광센서 네트워크를 설치한다. 센서가 규정 농도 이상의 위험물질을 감지하게 되면, 자동적으로 물질을 분석하고 그 물질의 농도정보를 얻게 된다. 기존의 역추적 모델들은 3개 이상의 센서 정보로부터 결과물을 요구하기 때문에, 하나의 센서정보로 누출속도를 구해야 하는 이 시스템에는 적합하지 않다. 이 연구에서 제안한 신경망을 기반으로 한 역추적 알고리즘과 농도정보 및 기상정보를 이용하여 누출원에서 누출속도를 구하게 된다. 관련 위험물 저장 설비의 공정정보, 물질정보, 기상정보 그리고 센서로부터 얻은 농도데이터 등 14개의 입력 데이터를 넣어 출력값인 누출속도를 구하게 된다. 이는 독성가스 저장시설 주변에 사는 주민들에게 위험시설에 대한 신뢰감을 향상시키며, 독성 가스 누출시 주변 지역 주민들에게 긴급상황을 신속히 전달할 수 있는 비상대응의 일환으로 활용 할 수 있을 것이다.