• 대한환경공학회지
• /
• 제33권1호
• /
• pp.25-31
• /
• 2011

본 연구에서는 하수처리공정의 유출 수질을 안정적인 유지하기 위하여, 유입수 패턴을 이용한 모델 기반 $NH_4-N$ 예측 제어 알고리즘을 개발하고 $A^2/O$ 공정을 대상으로 적용 및 평가하였다. 평가에 사용된 자료는 B 시 S 하수처리장에 위치한 pilot 규모의 $A^2/O$ 공정 운전자료를 사용하였다. 생물학적 반응조를 모사하기 위해 수정된 ASM3+bio-P 모델(Lee, 2003)을 사용하였고, 침전조 농도 거동 모사를 위해 일차원 이중 지수 함수 모델(Takacs et al., 1991)을 사용하였다. 유입수 패턴을 이용하여 하루 뒤 유출수 $NH_4-N$ 농도를 예측하고, 사전 작성된 $NH_4-N$ 제어 schedule을 사용하여 pilot plant의 호기조 DO를 조절하는 제어 로직을 적용하였다. 제어 적용성을 평가하기 위해 제어를 적용하지 않은 경우와 적용한 경우를 비교하였고, 계절적 영향을 알아보기 위해 여름철과 겨울철에 $NH_4-N$ 제어 schedule을 적용한 실험을 하였다. 여름철 및 겨울철 모두 제어를 적용하지 않은 경우 수질기준을 초과하는 사례가 발생하였지만, 제어를 적용한 경우 목표수질 이내의 안정적인 유출수질이 방출됨을 확인하였다. 제어를 적용하지 않은 경우에 비교해서, 예측 제어를 적용한 경우에는 송풍기의 RPM이 약 9.1% 증가하였고, 유출수의 $NH_4-N$ 농도는 약 45.2% 감소하였다. 이를 통해 본 연구에서 개발된 유출수 $NH_4-N$ 예측 제어 알고리즘 적용으로 인한 운영비용 증가 대비 수질 개선 효과가 크게 나타났기 때문에, 안정적인 유출수 확보를 위한 측면에서 효율적인 제어기법으로 판단된다.

• 한국습지학회지
• /
• 제20권4호
• /
• pp.424-431
• /
• 2018

강우유출수 내 포함된 입자상 물질, 유기물, 영양물질, 중금속 등의 오염물질은 수계에 악영향을 미친다. 이러한 강우유출수 내 포함된 오염물질 감소와 처리를 위해 최적관리기법(BMP)을 도입하고 있으며, 비용효율적인 방법으로 평가되고 있다. 하지만, 잘못된 설계와 유지관리 부족은 시설의 성능을 저하시켜 원활한 기능을 수행하지 못하고 있는 실정이다. 따라서, 본 연구에서는 지속적인 유지관리가 진행된 침투도랑(IT)의 시설에 대한 평가를 수행하였다. 2009년부터 2016년까지 총 41회의 모니터링을 수행하였으며 침투도랑(IT)의 오염물질 저감효율 평가를 수행하였다. 수질 및 수문학적 분석결과, 시설에 유입되는 유입수는 단위 오염 부하량에 영향을 미치는 요인으로 나타났다. 또한, 계절의 변화는 오염물질 저감능력에 영향을 미치는 것으로 분석되었다. 여름철 강수량 및 강우강도의 증가로 인해 Overflow 및 유량의 증가가 발생되었으며, 이로 인해 저감효율이 감소하였다. 또한, 겨울철 낮은 온도로 인해 여재 및 화학적 메카니즘의 효과 감소로 오염물질 저감 효율이 감소되는 것으로 분석되었다. 침투도랑(IT)의 유지관리는 시설의 효율에 영향을 미치는 것으로 평가되었다. 시설 설치 이후 2년 동안 유지관리 부족으로 오염물질 저감효율이 낮은 것으로 나타났으며, 일부 모니터링에서 지오텍스타일 내 제거 되지 않은 퇴적물로 인해 오염물질 저감효율의 감소를 보였다. 본 연구를 통하여, 시설의 유지관리는 오염물질 저감효과에 영향을 미치는 것으로 나타났으며, BMP 시설의 최적 유지관리 기간 및 방법 등은 향후 유용한 자료로 사용 될 수 있을 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제56권12호
• /
• pp.993-1003
• /
• 2023

대기온실가스 증가로 전지구 평균기온은 산업화 이전 대비 1.1℃ 상승했고 수자원시스템의 공급능력에 상당한 변화가 예상된다. 본 연구에서는 금강수계 내 여러 중권역의 이수안전도와 기후조건의 관계(기후반응함수)를 단변량 함수로 나타내 기후민감도를 동시에 평가할 수 있는 방법을 제안하였다. 사례연구를 위해 GR6J 모형으로 중권역별 자연유출을 모의했고 이를 Water Evaluation And Planning (WEAP) 최적모형에 입력해 2030년 수요전망에 대한 공급신뢰도를 평가하였다. 여러 중권역의 이수안전도를 동시에 비교하기 위해 평균 강수량과 잠재증발산량의 비율을 독립변수 사용하여 단변량 기후민감도 함수를 개발하였다. 사례연구 결과, 1991-2020 자연유출을 이용해 수계전체 물부족을 최소화시키는 운영을 가정했을 때 공급신뢰도는 19개 중권역 중 보청천유역에서 가장 낮았다. 하천유지유량의 우선순위를 농업용수와 생공용수과 동일하게 조정한 시나리오에서는 보청천유역, 초강유역, 논산천유역의 이수안전도가 크게 감소하는 것으로 나타났다. 보청천유역, 초강유역, 논산천유역의 이수안전도는 모든 기후스트레스 테스테에서 크게 감소한 반면, 미호강유역, 금강공주유역, 금강하구유역은 아주 건조한 기후조건에서만 이수안전도가 감소했다. 대규모 인프라에서의 공급이 원활한 중권역의 기후민감도는 크게 변하지 않았다. 2021-2050 기후전망을 민감도함수에 적용했을 때 금강수계의 공급신뢰도는 대체로 좋아질 가능성이 높지만 하천유지유량 우선순위를 높이게 되면 지형적, 인위적으로 고립된 중권역에서 물부족은 심해질 것으로 분석되었다. 2021-2050기간 금강수계의 이수안전도는 기후스트레스 보다 하천관리정책의 변화에 더 큰 영향을 받을 것으로 판단된다.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.71-84
• /
• 2013

컴퓨터 시스템 운용 간에 발생하는 많은 정보들이 기록되는 로그데이터는 컴퓨터 시스템 운용 점검, 프로세스의 최적화, 사용자 최적화 맞춤형 제공 등 다방면으로 활용되고 있다. 본 논문에서는 다양한 종류의 로그데이터들 중에서 은행에서 발생하는 대용량의 로그데이터를 처리하기 위한 클라우드 환경 하에서의 MongoDB 기반 비정형 로그 처리시스템을 제안한다. 은행업무간 발생하는 대부분의 로그데이터는 고객의 업무처리 프로세스 간에 발생하며, 고객 업무 프로세스 처리에 따른 로그데이터를 수집, 저장, 분류, 분석하기 위해서는 별도로 로그데이터를 처리하는 시스템을 구축해야만 한다. 하지만 기존 컴퓨팅환경 하에서는 폭발적으로 증가하는 대용량 비정형 로그데이터 처리를 위한 유연한 스토리지 확장성 기능, 저장된 비정형 로그데이터를 분류, 분석 처리할 수 있는 기능을 구현하기가 매우 어렵다. 이에 따라 본 논문에서는 클라우드 컴퓨팅 기술을 도입하여 기존 컴퓨팅 인프라 환경의 분석 도구 및 관리체계에서 처리하기 어려웠던 비정형 로그데이터를 처리하기 위한 클라우드 환경기반의 로그데이터 처리시스템을 제안하고 구현하였다. 제안한 본 시스템은 IaaS(Infrastructure as a Service) 클라우드 환경을 도입하여 컴퓨팅 자원의 유연한 확장성을 제공하며 실제로, 로그데이터가 장기간 축적되거나 급격하게 증가하는 상황에서 스토리지, 메모리 등의 자원을 신속성 있고 유연하게 확장을 할 수 있는 기능을 포함한다. 또한, 축적된 비정형 로그데이터의 실시간 분석이 요구되어질 때 기존의 분석도구의 처리한계를 극복하기 위해 본 시스템은 하둡 (Hadoop) 기반의 분석모듈을 도입함으로써 대용량의 로그데이터를 빠르고 신뢰성 있게 병렬 분산 처리할 수 있는 기능을 제공한다. 게다가, HDFS(Hadoop Distributed File System)을 도입함으로써 축적된 로그데이터를 블록단위로 복제본을 생성하여 저장관리하기 때문에 본 시스템은 시스템 장애와 같은 상황에서 시스템이 멈추지 않고 작동할 수 있는 자동복구 기능을 제공한다. 마지막으로, 본 시스템은 NoSQL 기반의 MongoDB를 이용하여 분산 데이터베이스를 구축함으로써 효율적으로 비정형로그데이터를 처리하는 기능을 제공한다. MySQL과 같은 관계형 데이터베이스는 복잡한 스키마 구조를 가지고 있기 때문에 비정형 로그데이터를 처리하기에 적합하지 않은 구조를 가지고 있다. 또한, 관계형 데이터베이스의 엄격한 스키마 구조는 장기간 데이터가 축적되거나, 데이터가 급격하게 증가할 때 저장된 데이터를 분할하여 여러 노드에 분산시키는 노드 확장이 어렵다는 문제점을 가지고 있다. NoSQL은 관계형 데이터베이스에서 제공하는 복잡한 연산을 지원하지는 않지만 데이터가 빠르게 증가할 때 노드 분산을 통한 데이터베이스 확장이 매우 용이하며 비정형 데이터를 처리하는데 매우 적합한 구조를 가지고 있는 비관계형 데이터베이스이다. NoSQL의 데이터 모델은 주로 키-값(Key-Value), 컬럼지향(Column-oriented), 문서지향(Document-Oriented)형태로 구분되며, 제안한 시스템은 스키마 구조가 자유로운 문서지향(Document-Oriented) 데이터 모델의 대표 격인 MongoDB를 도입하였다. 본 시스템에 MongoDB를 도입한 이유는 유연한 스키마 구조에 따른 비정형 로그데이터 처리의 용이성뿐만 아니라, 급격한 데이터 증가에 따른 유연한 노드 확장, 스토리지 확장을 자동적으로 수행하는 오토샤딩 (AutoSharding) 기능을 제공하기 때문이다. 본 논문에서 제안하는 시스템은 크게 로그 수집기 모듈, 로그 그래프생성 모듈, MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈로 구성되어져 있다. 로그 수집기 모듈은 각 은행에서 고객의 업무 프로세스 시작부터 종료 시점까지 발생하는 로그데이터가 클라우드 서버로 전송될 때 로그데이터 종류에 따라 데이터를 수집하고 분류하여 MongoDB 모듈과 MySQL 모듈로 분배하는 기능을 수행한다. 로그 그래프생성 모듈은 수집된 로그데이터를 분석시점, 분석종류에 따라 MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈에 의해서 분석되어진 결과를 사용자에게 웹 인터페이스 형태로 제공하는 역할을 한다. 실시간적 로그데이터분석이 필요한 로그데이터는 MySQL 모듈로 저장이 되어 로그 그래프생성 모듈을 통하여 실시간 로그데이터 정보를 제공한다. 실시간 분석이 아닌 단위시간당 누적된 로그데이터의 경우 MongoDB 모듈에 저장이 되고, 다양한 분석사항에 따라 사용자에게 그래프화해서 제공된다. MongoDB 모듈에 누적된 로그데이터는 Hadoop기반 분석모듈을 통해서 병렬 분산 처리 작업이 수행된다. 성능 평가를 위하여 로그데이터 삽입, 쿼리 성능에 대해서 MySQL만을 적용한 로그데이터 처리시스템과 제안한 시스템을 비교 평가하였으며 그 성능의 우수성을 검증하였다. 또한, MongoDB의 청크 크기별 로그데이터 삽입 성능평가를 통해 최적화된 청크 크기를 확인하였다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.