• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.497-497
• /
• 2016

페루의 Rimac강은 수도인 Rima시를 관통하는 강으로 각종 용수공급 등의 기능을 담당하는 중요한 강이지만 광산, 공장 및 도시 등 점?비점오염원으로 인해 오염이 심각해지고 있는 실정이다. 본 연구에서는 Rimac강의 하천복원을 위하여 3단계 수질개선 목표를 설정하고 각 단계별 BOD, TP 및 중금속(Al, As, Cd, Fe) 예측을 수행함으로써 목표달성 가능 평가를 수행하였다. Rimac강 지류인 Rio Santa Eulalia 하천 유입후부터 하구까지 총 57 km를 대상으로 4개의 대구간(Reach), 57개의 소구간(Element)으로 구분하여 QUAL2E 모델을 구축하였다. 2013년을 대상으로 저유량시기(건기)인 12월과 고유량시기(우기)인 1월을 대상으로 BOD, TP, Al, As, Cd, Fe의 모델 재현성을 검토한 결과, Rimac강 하류의 Huaycoloro강 유입이후 BOD, TP가 증가하는 현상을 적절히 재현하는 것으로 나타났다. 중금속은 Romac강 상류와 하류 Huaycoloro강 유입 수질 농도차이가 크지 않아 거리별로 일정한 농도를 나타내는 것으로 모의되었으나 실측정값은 하구로 갈수록 낮아지는 경향이 다소 나타났지만 대체적으로 실측값의 경향을 따르는 것으로 모의되었다. 수질개선 시나리오는 1단계(2016-2018년), 2단계(2019-2021년) 및 최종 3단계(2022-2024년)로 구분하여 저유량시기와 고유량시기의 수질개선 대책에 따른 수질변화를 예측하여 Rimac강 하류의 대표 지점인 La Atargea 취수장 지점에서 목표수질 달성여부를 평가하였다. 저유량시기의 경우, BOD는 1단계 이후 5.9 mg/L에서 목표수질 5.0 mg/L 이하로 농도가 감소되었으며 최종 3단계에 2.2 mg/L로 63.3% 개선하는 것으로 예측되었다. TP는 1단계 25.8% 개선, 3단계는 51.6% 개선되어 목표수질인 0.15 mg/L를 만족하는 것으로 예측되었다. 중금속의 경우 Cd는 당초 수질목표를 만족시키는 상황이었으며 그 외 항목은 Al>As>Fe 순으로 개선효과가 나타났고, 3단계 이후 모두 목표수질을 달성할 것으로 예측되었다. 고유량시기 수질예측 결과, 1단계 BOD, TP는 약 49, 19% 저감효과가 나타났으며 3단계 이후 57, 25%까지 개선되는 것으로 예측되어 목표수질을 만족시키는 것으로 분석되었다. 중금속은 Al이 가장 큰 개선 효과가 나타났으며 3단계에서 77.5%의 개선 효과가 분석되었다. 페루 리막강 유역 수질개선 대책 수립에 따른 수질개선효과 분석 결과, 3단계까지 모든 수질항목의 목표수질 달성이 가능한 것으로 분석되었으나 TP, Al 및 As의 경우에 2단계까지 목표수질 달성이 어려워 더욱 체계적인 관리가 필요할 것으로 판단되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.45-45
• /
• 2018

오염물의 혼합거동을 해석하기 위해 물리기반 모델을 이용하는 경우 모델을 구축하고 운용하는데 많은 시간과 재정이 소요되며 현장검증을 통한 검증이 반드시 필요하다. 하지만 데이터 기반 모델의 경우 축적된 데이터만으로도 예측을 수행할 수 있으며 물리기반모델에 비해 결정해야할 입력인자가 적어 모델운용이 용이하다는 장점이 있다. 다양한 데이터 모델 중 인공신경망(ANN) 모델은 데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 모델로 수자원 및 환경 분야에서 자주 사용되고 있다. 본 연구에서는 인공신경망 모델을 이용하여 지천유입이 있는 대하천의 수질인자 (pH, 전기전도도, DO, chl-a)를 예측하였다. 다른 데이터기반 모델과 같이 인공신경망 모델 또한 수집된 데이터 질에 크게 영향을 받으며, 내부 입력인자의 선택이 모델의 예측 결과에 큰 영향을 미친다. 이러한 인공신경망 모델의 특성을 바탕으로 예측모형의 정확도를 향상하기 위해서는 크게 데이터 처리부분과 모델구축 부분에서의 접근이 필요하다. 본 연구에서는 데이터 처리 과정에서 연구대상지점의 각각의 수질인자가 가지는 분포 특성을 유지하기 위해 층화표츨추출법을 이용하여 데이터를 구성하였다. 모델의 구축 과정에서는 초기가중치 값의 영향을 줄이기 위해 앙상블기법을 사용하였으며, 좀 더 견고하고 정확한 결과를 예측하기 위해 탄력적 역전파알고리즘을 추가하였다. 추가적으로 합류 후 본류의 미 계측지역 수질 예측 정확도 향상을 위해 본류의 수질인자뿐만 아니라 지류의 수질인자를 입력자료로 사용하여 모의를 수행하였다. 또한 동일 구간에서 수행한 현장추적자실험 자료를 이용하여 수질인자의 분포특성을 비교, 검증하였다. 개발된 모델을 이용하여 낙동강과 금호강 합류부 하류의 수질인자를 예측한 결과 지류의 수질인자를 입력자료로 추가한 경우 예측의 정확도가 증가하였으며, 현장실험 자료를 통해 밝혀진 오염물의 거동현상을 인공신경망 모델로도 동일하게 재현하는 것으로 나타났다. 본 연구에서 제안한 인공신경모델을 이용한다면 물리기반 수치모델을 대체하여 지천으로 유입된 오염물의 거동을 정확하고 효율적으로 파악할 수 있을 것이다.

• Journal of the Korean GEO-environmental Society
• /
• v.3 no.4
• /
• pp.11-17
• /
• 2002

The purpose of this study is the prediction of pollutant loads into Seomjin river watershed using neural networks model. The pollutant loads into river watershed depend upon the water quantity of inflow from the upstream as well as the water quality of the inflow into the river. For the estimation of pollutants into river, a neural networks model which has the features of multi-layered structure and parallel multi-connections is used. The used water quality parameters are BOD, COD and SS into Seomjin river. The results of calibration are satisfactory, and proved the availability of a proposed neural networks model to estimate short-term water quality pollutants into river system.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.39-39
• /
• 2019

인구의 도시 집중화로 인하여 다량의 생활용수의 사용에 따라 하천의 자정능력을 초과하여 오염을 유발시키고 있다. 이에 도시하천들의 오염은 점점 심해져 경제적으로 많은 문제를 유발하고 있다. 이러한 하천오염 문제를 과학적으로 대응하기 위해서는 오염물질의 농도 측정 및 데이터 축척을 통한 오염예측이 필수적이라 할 수 있으며, 부산광역시 보건환경정보 공개시스템에서는 하천수질 자동측정망을 설치하여 시간 단위로 오염물질을 측정하고 있다. 그러나 온천천의 하천수질 데이터는 계속 쌓여가고 있는데 이 데이터를 활용해서 하천수질 인자 예측이 거의 이뤄지지 않고 있다. 본 연구에서는 순환신경망 알고리즘을 활용하여 일 단위의 하천수질 인자 예측을 시도하였다. 순환신경망은 인공신경망의 발전된 형태인 시계열 학습에 강한 RNN, LSTM 알고리즘을 활용한 일단위 하천수질 인자 예측을 하고자 하였다. 연구에 앞서 시간 단위로 쌓여있는 데이터를 평균 내어 일 단위로 변경하였고 이 데이터를 가지고 일 단위 하천수질 인자 예측을 진행하였다. 연구에는 Google에서 개발한 딥러닝 오픈소스 라이브러리인 텐서플로우를 활용하여 DO, 탁도 등 항목을 예측하였다. 하천오염의 학습과 예측을 위해 대상지로는 부산지역 온천천의 부곡교, 세병교, 이섭교 관측소를 선택하였다. 연구를 위해 DO, 탁도 등 자료 수집은 부산광역시 보건환경정보 공개시스템의 자료를 활용하였다. 모형의 학습을 위해 입력자료로는 하천수질 인자 자료를 이용하였고, 자료의 학습에는 2014년~2017년 4년간의 자료를 학습자료로 사용하였고, 2018년 1년간의 자료는 모형의 검증을 위해 사용하였다. RNN, LSTM 알고리즘을 활용하여 분석 시 은닉층의 개수, 반복시행횟수, sequence length 등의 값을 조절하여 하천수질 인자 예측을 하였다. 모형의 검증을 위해 $R^2$(r square)와 RMSE(root mean square error)을 이용하여 통계분석을 실시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.651-655
• /
• 2004

하천의 수질은 시${\cdot}$공간적으로 지속적인 변화를 보이기 때문에 효과적인 수질관리를 위해서는 연속적인 하천수질 측정과 분석이 요구된다. 또한 유량과 수질측정이 동일시각에 이루어져야 하려 수질측정 지점에서의 보다 정확한 유량산정이 요구된다. 그러나 T/M 수위관측소와 수질자동측정망 지점이 원거리에 위치하여 수질자동측정망 지점에서 정확한 실시간 유량자료를 획득하기에 어려운 지점이 많다. 따라서 연구에서는 신경망 모형을 적용하여 미계측 지점에서의 유출량을 예측하고 강우-유출 모형인 WMS 모형에 의한 계산값과 비교하였으며 미계측 지점에서의 유출예측 가능성을 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.2148-2152
• /
• 2009

하천수질보전을 위한 필요유량은 하천유지유량 항목 중 하나로써 환경기초시설 등으로 최대한 처리한 후 남는 오염부하량을 고려하여 적정 수질을 유지하는데 필요한 유량을 의미한다. 하천수질보전을 위한 필요 유량을 산정하는 절차는 (1) 수질특성 파악 및 평가대상 항목의 선정, (2) 목표연도 및 목표수질 기준 설정, (3) 오염부하량 조사 및 목표연도별 오염부하량 산정, (4) 수질예측모형의 선정 및 수질예측, (5) 목표수질과의 비교 및 필요유량의 설정으로 이루어질 수 있다. 현재 우리나라에서는 수질평가 항목으로 여러 가지가 제시되어 있지만 주로 생물화학적 산소요구량(BOD)만으로 목표수질을 설정하고 있는 실정이며, 수질예측 모형으로써 QUAL2E 모형이 주로 이용되고 있다. 현재까지 고시된 하천유지유량은 대부분 기준갈수량 또는 평균갈수량이며 몇몇 지점이 하천생태계 및 하천수질보전을 위한 필요유량으로 고시된 바 있다. 본 연구에서는 국내 하천수질예측에 많이 이용하고 있는 QUAL2E 모형의 단점을 수정, 보완하고 보다 사용자가 쉽게 사용할 수 있도록 개발된 QUAL2K 모형을 이용하여 용담댐 하류의 하천수질보전을 위한 필요유량을 산정하였다. 과거에 산정된 하천수질보전을 위한 필요유량 산정치와 환경부에서 최근 제시하고 있는 금강오염총량관리 기본계획과의 비교를 통해 산정한 결과의 타당성을 분석해 보았으며 장래 발생할 수 있는 여러 가지 상황들을 시나리오로 구축하여 분석함으로써 보다 합리적인 결과를 도출하도록 노력하였다. 하천수질보전을 위한 필요유량 산정 시 하나의 경우에 대한 분석보다는 발생할 수 있는 여러 상황을 시나리오로 분석함으로써 의사결정자나 일반대중에게 보다 다양한 정책 방향성과 유량에 따른 하천수질변화에 대한 다양한 정보를 제공할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.141-141
• /
• 2017

본 연구에서는 대하천의 8개의 수질인자(수온, 용존산소, 수소이온농도, 전기전도도, 총질소, 총인, 탁도, 클로로필-a)를 예측할 수 있는 인공신경망모델을 개발하였다. 인공신경망모델(ANN)은 수질데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 데이터기반 모델이다. 데이터기반 모델의 특성상 예측정확도를 높이기 위해서 양질의 입력데이터를 구성하는 것이 가장 중요하다. 때문에 각각의 수질인자뿐만 아니라 기상학적 인자 또한 예측을 위한 입력자료로 사용하였으며, 요인분석 및 층화표층추출법을 적용하여 입력데이터를 구성하였고 앙상블기법을 이용하여 추가적으로 예측의 정확도를 향상시켰다. 개발된 모델을 이용하여 지천유입이 있는 북한강의 수질자료를 예측한 결과 탁도를 제외한 7개의 수질인자 모두 0.85 이상의 설명력을 보였으며, 실측값과 예보값을 비교해본 결과 평균적으로 10% 미만의 에러값을 나타냈다. 요인분석을 통하여 연관성있는 인자를 입력인자로 추가한 경우 향상된 결과값을 보였주었으며, 앙상블기법을 적용한 결과 정확도 면에서 큰 향상을 보여주었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.243-243
• /
• 2020

본 연구는 장래 유입수질 변화로 해수담수화(Desalination) 역삼투압(Seawater Reverse Osmosis) 공정의 전력비 예측 모델을 개발하고 별도의 해수담수화 추가공정이 필요한지 검토하였다. 플랜트 시설은 한번 설치되면 오랜 기간 운영이 되고, 주요 공정의 시설물 변경이 어려우며, 특히 해수담수화 시설의 경우에는 생활용수 및 공업용수를 수요자에 상시 공급함으로서 중간에 추가 시설물을 증설하거나 변경하기가 쉽지 않다. 따라서 해수담수화 시설의 계획 초기부터 현재의 유입수질 및 장래의 수질 변화를 예측하여 해수담수화 공정을 계획하는 것이 필요하다. 금회 검토는 해수온도 및 염분도 변화를 고려하여 서해에 위치한 대산산업단지 해수담수화 시설의 해수담수화 공정 전력비를 예측하였고, 입력 자료(온도 및 염분도)는 국가해양환경정보통합시스템(MEIS, Marine Environment Information System) 22년 과거자료(1997~2018년)를 이용하였다. 개발된 모형에 적용하여, 해수담수화에 필요한 전력비의 변화를 예측할 수 있으며, 이를 바탕으로 해수담수화 시설물 공정계획을 검토할 수 있었다. 금회 연구에서는 장래 수질변화 예측모형의 결과를 기반으로 해수담수화 시설물 공정을 제시하였다는데 의의가 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.41-41
• /
• 2018

하천과 저수지의 수질을 예측하고 관리하는데 수리 수질예측모형이 널리 활용되고 있다. 수질예측모형은 유역이나 수체 내의 오염물질 이동경로나 농도를 수치해석 방법으로 계산하여 사용자가 필요로 하는 지점과 시점에서의 수질자료 생산하는데 활용되고 있다. 수질예측모형은 검 보정을 통해 정확도를 확보하며, 정확도의 확보를 위해서는 높은 수준의 전문성을 필요로 한다. 특히 시행착오법으로 모형을 보정하는 경우 많은 시간과 노력을 필요로 하게 되며, 보정계수를 과대 혹은 과소로 모형에 적용하는 오류를 범하기 쉽고 모델러의 주관이 관여되기 쉽다. 그래서 본 연구에서는 CE-QUAL-W2모형의 조류항목에 대한 모형 보정을 위하여 Chl-a와 남조류세포수에서 주로 활용되고 있는 보정계수에 대한 민감도 분석 결과를 토대로 매개변수별 모의결과 변화율을 산정하였으며, 시기적 경향성을 재현하기 위해 Ensemble-Bagging 기법과 머신 러닝 기법을 적용하여 모형 구동횟수를 최소화 할 수 있는 방법으로 구성하였다. Chl-a를 보정하기 위한 매개변수는 9개를 선정하였으며, 규조류, 남조류, 녹조류에 총 27개 매개 변수를 민감도 분석으로 도출 한 후 예상 변화율 대비 이벤트별 모의치와 실측치 간 %difference가 유사하도록 매개변수를 조정하였다. 또한 각 이벤트 조합의 매개변수 빈도수와 매개변수별 예상변화율, 시기적 조류특성을 고려하여 가중치를 도출하였으며, 1회 보정에 맞춰 Chl-a 모델 실행결과를 %difference로 평가한 후 "good"등급을 만족할 때까지 반복 적용하였다. 남조류세포수의 경우 Chl-a에 맞춰 매개변수 최적화 이후 남조류세포수 농도를 세포수로 환산하기 위한 CACEL에 대해 머신러닝 기법을 적용하였으며, CACEL 추정변화율 회귀식에 따라 평가 한 후 %difference "good"등급 이상을 만족할 때까지 반복 수행하는 방법을 적용하였다. 본 연구에서는 수질예측모형의 정확도를 확보하기 위하여 최적화 기법을 적용하였으며, 이를 통해 모형을 보정하는 과정에서 요구되는 시간과 노력을 줄일 수 있도록 하였으며, Ensemble기법과 머신러닝 기법을 적용하여 모형보정계수 적용에 객관성을 확보할 수 있도록 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.124-124
• /
• 2016

하천에서의 분변성대장균은 분변성 오염 정도를 나타내는 지표로서, 이 농도가 높을수록 오염된 하천수와의 접촉을 통한 호흡기, 소화기 및 피부 관련 질병의 발발 확률이 높다고 알려져 있다. 따라서 하천에서의 수영, 수상스키 등과 같은 입수형 친수활동을 할 때, 분변성대장균 농도가 농도 기준 이하인지를 확인하고 이러한 정보를 친수활동에 이용할 필요가 있다. 그러나 분변성대장균의 경우, 현재 자동수질측정망에서 측정되고 있는 다른 수질인자들과는 달리 실시간 측정이 불가능하다고 알려져 있다. 분변성대장균을 측정하는데 있어 최소 18시간 이상이 필요하며, 이러한 분변성대장균 측정 방식은 하천 이용자들이 안전한 친수활동을 영위하는데 있어 적절한 수질 정보를 제공하지 못한다. 그러므로 분변성대장균을 예측하는 모델을 개발하고, 이를 이용하여 실시간 분변성대장균 정보를 생성하여 하천 이용자들에게 제공할 필요가 있다. 본 연구에서는 친수활동이 활발하게 이루어지는 곳 중 하나인 북한강의 대성리 지점에 대해 데이터 기반 모델을 이용하여 분변성대장균을 예측하였다. 데이터 기반 모델은 물리 기반 모델에서 필요한 지형데이터나 비점오염원 등의 초기 오염물의 양에 대한 데이터를 필요로 하지 않고, 대신 독립변수로 사용되는 기상 및 수질데이터를 필요로 한다. 이러한 기상 및 수질데이터는 기존 기상관측소, 수질관측소에서 매일 자동으로 측정되기 때문에 데이터 기반 모델은 물리 기반 모델에 비해 입력데이터를 구성하기가 쉽다는 장점을 지닌다. 이러한 데이터 기반 모델 중 분류 모델은 회귀 모델과 달리 분변성대장균 농도가 일정 수질기준 이상을 넘는지를 바로 예측할 수 있다. 본 연구에서는 분류 모델 중 높은 예측력을 가진다고 알려진 랜덤포레스트(random forest) 기법을 이용하여 분변성대장균 예측 모델을 개발하였다. 분변성대장균 예측 모델은 주어진 기상 및 수질 조건에 대해 분변성대장균이 200 CFU/100ml가 넘는지를 예측하였다. 예측된 분변성대장균이 기준을 넘는 경우를 2등급, 넘지 않는 경우를 1등급으로 명명하였다. 모델을 개발하기 위하여 북한강 대성리 인근 측정소에서 2010년부터 2015년까지 측정된 기상 및 수질데이터를 수집하였다. 수집한 데이터를 훈련 및 검증데이터로 샘플링하였으며, 이 때 샘플링한 데이터가 기존 데이터가 가지고 있던 등급별 비율을 유지하기 위하여 층화샘플링을 하였다. 본 연구에서는 샘플링에 의한 불확실성을 줄이기 위하여 랜덤하게 50번 샘플링된 각각의 훈련데이터에 대해 모델을 개발하였다. 50개의 모델의 검증 결과를 종합한 결과, 전체 예측률은 0.139로 나타났다.