한국물환경학회지 (Journal of Korean Society on Water Environment)

  • 제28권1호
  • /
  • Pages.38-49
  • /
  • 2012
  • /
  • 2289-0971(pISSN)
  • /
  • 2289-098X(eISSN)
한국물환경학회 (Korean Society on Water Environment)
권호 표지

대전시 공공하수처리시설 유입수 수질자료의 통계적 특성 및 추계학적 모의

Statistical Characteristics and Stochastic Modeling of Water Quality Data at the Influent of Daejeon Wastewater Treatment Plant

  • 박기정 (고려대학교 환경공학과) ;
  • 정민재 (고려대학교 환경공학과) ;
  • 이한샘 (고려대학교 환경공학과) ;
  • 김덕우 (고려대학교 환경공학과) ;
  • 윤재영 (고려대학교 환경공학과) ;
  • 백경록 (고려대학교 건축사회환경공학부)
  • Pak, Gijung (Department of Environmental Engineering, Korea University) ;
  • Jung, Minjae (Department of Environmental Engineering, Korea University) ;
  • Lee, Hansaem (Department of Environmental Engineering, Korea University) ;
  • Kim, Deokwoo (Department of Environmental Engineering, Korea University) ;
  • Yoon, Jaeyong (Department of Environmental Engineering, Korea University) ;
  • Paik, Kyungrock (School of Civil, Environmental and Architectural Engineering, Korea University)
  • 발행 : 2012.01.30
⟨ 이전 논문 다음 논문 ⟩

초록

In this study, we analyze statistical characteristics of influent water quality in Daejeon waste water treatment plant and apply a stochastic model for data generation. In the analysis, the influent water quality data from year 2003 to 2008, except for year 2006, are used. Among water quality variables, we find strong correlations between BOD and T-N; T-N and T-P; BOD and T-P; $COD_{Mn}$ and T-P; and BOD and $COD_{Mn}$. We also find that different water quality variables follow different theoretical probability distribution functions, which also depends on whether the seasonal cycle is removed. Finally, we generate the influent water quality data using the multi-season 1st Markov model (Thomas-Fiering model). With model parameters calibrated for the period 2003~2005, the generated data for 2007~2008 are well compared with observed data showing good agreement in general. BOD and T-N are underestimated by the stochastic model. This is mainly due to the statistical difference in observed data itself between two periods of 2003~2005 and 2007~2008. Therefore, we expect the stochastic model can be applied with more confidence in the case that the data follows stationary pattern.

키워드

참고문헌

  1. 김연권, 김흥석, 한인선(2008). 통계적 분석기법을 이용한 관거정비사업 후 하수처리장 유입수질변화특성 평가, Korean Geo-Environmental Conference, pp. 127-130.
  2. 김연권, 문용택, 김병군, 김지연(2006). Dr. Wastewater S/W를 이용한 하수처리장 진단, 대한토목학회 학술대회, 10, pp. 344-347.
  3. 김태수(2003). 시계열 분석과 예측이론, 경문사, pp. 1-12.
  4. 대전시설관리공단(2008). http://www.djsiseol.or.kr/sewage/index.asp/.
  5. 문태섭, 김성희, 염훈식, 김예진, 고주형, 김창원(2007). 인공 신경망을 이용한 하수처리장 공정 유입성상 예측, 환경 공동학술대회논문집, 대한환경공학회.한국대기학회.한국폐기물학회, pp. 1509-1514.
  6. 백경원, 정용태, 한건연, 송재우(1996). 한강하류부 수질의 통계학적 해석, 한국수자원학회 논문집, 29(2), pp. 179-190.
  7. 서린, 김태웅, 윤필용(2010). 추계학적 모의발생기법을 이용한 연최대강우자료의 경향성 변화 분석, 공학기술논문집, 20, pp. 39-50.
  8. 신기일(2002). 시계열분석, 교우사, pp. 133-134.
  9. 윤선권, 안재현, 김종석, 문영일(2009). 장기유출모의를 위한 수문시계열 예측모형의 적용성 평가, 한국수자원학회논문집, 42(10), pp. 809-824.
  10. 윤용남(2007). 수문학 기초와 응용, 청문각, pp. 975-1017.
  11. 이용두, 박형건(2007). 제주시 하수처리장 유입수의 수질특성 연구, 환경공동학술대회논문집, 대한환경공학회.한국대기학회.한국폐기물학회, pp. 2172-2174.
  12. 이주헌(2001). 하천유량의 모의발생을 위한 추계학적 모형의 적용에 관한 연구, 한국방재학회논문집, 1(2), pp. 115-121.
  13. 이찬형, 문경숙(2002). 통계방법에 의한 하수처리장 운전분석, 한국환경위생학회지, 28(3), pp. 34-38.
  14. 이태환, 박민혜, 이보미, 허진, 양희정(2009). 하폐수 처리시설내 유입수 특성이 유기물 처리효율에 미치는 영향, 수질보전 한국물환경학회지, 25(5), pp. 674-681.
  15. 이해용, 이필용(2003). 이야기로 배우는 통계학, 자유아카데미, pp. 504-521.
  16. 최익훈(2011). 하수처리장 실시간 진단.제어 운영 필요성, 워터저널, (주)물사랑신문사, pp. 46-47.
  17. 한건연, 김상현, 박재홍(1995). 하천 수질변동의 예측을 위한 수질해석 모형의 개발, 한국수자원학회논문집, 28(2), pp. 103-114.
  18. 환경부(2010a). 2009 하수도통계(상-하). 환경부, pp. 707-991.
  19. 환경부(2010b). 하수처리시설 동절기 방류수 수질기준의 합리적 조정에 관한 연구, pp. 106-107.
  20. Anderson, R. L. (1942). Distribution of the Serial Correlation Coefficient, The Annals of Methematical Statistics, 13(1), pp. 1-13.
  21. Box, G. E. P. and Jenkins, G. M. (1970). Time Series Analysis, Forecasting and Control, San Francisco: Holder Day (revised edition 1976), pp. 56-57.
  22. Carrasco, I. J. and Chang, S. Y. (2005). Random Monte Carlo Simulation Analysis and Risk Assessment for Ammonia Concentrations in Wastewater Effluent Disposal, Stochastic Environmental Research and Risk Assessment, Springer-Verlag, 19(2), pp. 134-145.
  23. Cosenza, G., Mannina, G., and Viviani, G. (2009). Parameter Estimation and Sensitivity Analysis of a Nitrogen and Phosphorus Biological Removal Model, 18th IMACS World Congress - MODSIM09 International Congress on Modelling and Simulation, Cairns, Australia, pp. 3151-3157.
  24. Fiering, M. B. and Jackson, B. B. (1971). Synthetic Streamflows, Water Resources Monograph Series #1, American Geophysical Union, Washington, DC, 98, pp. 49-76.
  25. Lee, J., Yun. Z., Kwon, S., and Choi, E. (2003). Influent COD/T-P Based Enhanced Biological Phospohrus Removal System Design and Evaluation, Asian Waterqual, Oct. 15, Bangkok, Thailand, pp. 113-120.
  26. Thomas, H. A. and Fiering, M. B. (1962). Mathematical Synthesis of Streamflow Sequences for the Analysis of River Basins by Simulation. In: A. A. Maass, M. M. Hufschmidt, R. Dorfman, H. A. Thomas, S. A. Marglin, and G. M. Fair (eds.), Design of Water Resource Systems, Harvard University Press, Cambridge, Massachusetts, 12, pp. 495-493.
  27. William, S., Gonwa, P. E., Ph.D., Harris L. Byers, Brandon J. Koltz Symbiont (2008). Using Full Factorial Analysis to Enhance Water Quality Monitoring Programs. Water Environment Federation 2008 National Monitoring Conference, Atlantic City, New Jersey, pp. 181-197.
  28. Yun, Z., Lee, H., and Choi, E. (2004). Enhanced Biological Phosphorus Removal in RBC with SBR Modification, Water Science and Technology, 50(10), pp. 121-130.