$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

데이터마이닝 기법을 이용한 상수도 시스템 내의 탁도 예측모형 개발에 관한 연구
A Study on the Turbidity Estimation Model Using Data Mining Techniques in the Water Supply System 원문보기

대한환경공학회지 = Journal of Korean Society of Environmental Engineers, v.38 no.2, 2016년, pp.87 - 95  

박노석 (경상대학교 토목공학과 및 공학연구원) ,  김순호 (경상대학교 토목공학과 및 공학연구원) ,  이영주 (K-water 연구원) ,  윤석민 (경상대학교 토목공학과 및 공학연구원)

초록
AI-Helper 아이콘AI-Helper

탁도는 송 배수 관로의 부식 등에 의해 발생되는 것으로 알려진 'Discolored Water'현상을 수용가의 물 사용자가 인지할 수 있는 주요 지표로서 활용되고 있다. 즉, 'Discolored Water'는 수돗물 사용자가 육안으로 인지할 수 있는 정도의 탁도를 가진 상태로 정의할 수 있으며, 사용자는 수돗물에 존재하는 불특정의 용존 물질보다는 미세한 입자들에 대한 시각적인 인지인 탁도를 통해서 'Discolored Water'를 인식하게 된다. 이에 본 연구에서는 실제 국내 상수도 시스템 내에서 관측된 다항목의 수질데이터(탁도, pH 및 잔류염소)를 대상으로 하여 탁도 이외의 수질데이터들을 예측모형의 설명변수로 설정한 후 데이터 마이닝 기법(data mining)을 통해 기계학습(machine learning)을 수행하여, 상수도 시스템 내에서의 탁도 변화를 예측하는 모형을 수립하고자 하였다. 수집된 수질 데이터를 대상으로 데이터 마이닝 기법인 Decision Tree를 이용해 탁도 예측모형을 구축한 결과 pH 및 잔류염소를 설명변수로 적용한 모형이 가장 높은 예측결과를 나타내었다. 하지만 예측모형들은 peak 관측치에 대해서는 예측오차가 다소 증가하였는데 이를 보완하기 위해 고주파통과필터를 이용한 전처리 과정을 적용하였다. 그 결과 탁도 데이터의 시계열변화 및 peak 관측치에 대한 예측오차가 감소하는 것으로 나타났다.

Abstract AI-Helper 아이콘AI-Helper

Turbidity is a key indicator to the user that the 'Discolored Water' phenomenon known to be caused by corrosion of the pipeline in the water supply system. 'Discolored Water' is defined as a state with a turbidity of the degree to which the user visually be able to recognize water. Therefore, this s...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구의 목적은 국내 상수도 시스템 내에서 관측되고 있는 다항목의 수질데이터를 대상으로 데이터 마이닝 기법인 decision tree를 이용해 기계학습을 수행하고 이를 근간으로 탁도 예측모형을 수립하고자 함에 있다. 이를 위해 국내 K_배수지를 대상으로 탁도, pH 및 잔류염소 데이터를 수집한 후 탁도 예측모형을 개발하고 검정을 수행하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
상수도 관망 내에서 발생되는 입자들의 외적요인들로는 무엇이 있는가? 우선 입자발생과 관련된 내적요인들을 살펴보면 관 및 부속품(밸브 및 라이닝 등)의 부식,9,10) 관내에서의 미생물의 재성장 및 용존 물질들의 화학적 반응에 의한 부유성 입자로의 환원11) 등을 고려할 수 있다. 그리고 외적요인들로는 관을 보수하는 동안 외부 오염물질의 유입 또는 침투 및 역류7) 에 의한 원인과 더불어 표준 정수처리 공정에 있어서 침전지로부터 유출되는 미소플록들과 같은 부유된 고체성 물질에 대한 불완전한 제거, 활성탄 또는 모래여과 과정에서 잔존하는 입자 그리고 바이오 필터로 발생될 수 있는 미세 바이오 입자 등과 같이 정수처리공정 자체로부터 유입되는 입자들이 주요 원인으로 고려될 수 있다.6,12) 이러한 복잡한 원인들의 상호작용 과정은 상이한 수리학적 조건과 더불어 관종 및 관년령 그리고 관망 내부의 서로 다른 물리적 또는 화학적 조건에 의해 더욱 복잡하게 반응하게 되며, 이로 인해 ‘Discolored Water’ 현상의 발생 메커니즘을 명확히 이해하기란 대단히 어렵다 할 수 있다.
Decision tree는 무엇인가? Decision tree는 분석대상의 데이터들로 부터 나무구조의 의사결정규칙을 설정하고 관심의 대상을 몇 개의 하위집단으로 분류하거나 예측을 하는 데이터 마이닝 기법이다. 이러한 decision tree는 분석과정이 나무구조에 의해서 표현되기 때문에, 분류 또는 예측을 목적으로 하는 다른 데이터 마이닝 기법들에 비해 분석과정의 이해와 결과의 해석이 쉽다는 장점을 가지고 있다.
과거 상수도 시스템 내에서 ‘Discolored Water’의 발생과 관련된 주요 원인으로 어떤 것이 고려되었는가? 과거 상수도 시스템 내에서 ‘Discolored Water’의 발생과 관련된 주요 원인으로서 주철관종에 의한 부식이 최우선적으로 고려되어져 왔다. 하지만 1945년~1980년 기간 동안 상수관망의 대규모 확장을 통해 전체 관종을 PVC (Polyvunyl chloride) 또는 AC (Asbestos cement)관으로 교체한 네덜란드의 사례를 살펴보면 매년 상수도 관련부서(Ministry of Hosing, Spatial Planning and Environment, VROM)의 지속 적인 관리(고도처리공법의 도입, 주철관종의 교체 등)에도 불구하고 년간 3,000에서 6,000건의 ‘Discolored Water’에 대한 수용가들의 민원이 보고되고 있으며, 이에 대한 대응으로 네덜란드 정부는 년간 천가구당 0.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. Hong, J., Mun, H., Yun, H., Yu, C. and Kang, B., "Sensitivity Analysis of Real-time Water Quality Index added Turbidity" Proceedings of the 2015 spring conference of KSWW and KSWQ, pp. 521-522(2015). 

  2. Shin, J., Jeong, S. and Hwang, S., "Long-term variation of water turbidity in a Korean river ecosystem (Youngsan River)" Proceedings of the 2005 spring conference of KSWW and KSWQ, pp. 711-714(2005). 

  3. Wetzel, R. G., Limnology: Lake and River Ecosystems, 3rd ed., Academic Press, California(2001). 

  4. Vreeburg, J. H. G., Discolouration in drinking water systems : the role of particles clarified, IWA Publishing(2010). 

  5. REWAB, "Registration system yearly analysis results of Dutch water companies, available through ministry of VROM (Netherlands Ministry of Housing, Spatial Planning and the Environment,"(Eds), Den Haag, The Netherlands 

  6. Ellison, D., Investigation of Pipe Cleaning Methods, AWWARF, Denver(2003). 

  7. Prince, R., Goulter, I. and Ryan, G., "Relationship Between Velocity Profiles And Turbidity Problems In Distribution Systems," World Water and Environmental Resources Congress, pp. 1-9(2001). 

  8. Slaats, N., Rosenthal, L. P. M., Siegers, W. G., Boomen, M. V. d., Beuken, R. H. S. and Vreeburg, J. H. G. Processes involved in the generation of discolored water, American Water Works Association Research Foundation / Kiwa, The Netherlands(2002). 

  9. Boxall, J. B., Skipworth, P. J. and Saul, A. J., "Aggressive flushing for discolouration event mitigation in water distribution networks," Water Sci. Technol. Water Supply, 3(1-2), 179-186(2003). 

  10. Clement, J. A., Hayes, M., Kriven, W. M., Sarin, P., Bebee, J., Jim, K., Beckett, M., Snoeyink, V. L., Kirmeyer, G. J. and Pierson, G., Development of red water control strategies, American Water Works Association Research Foundation, Denver(2002). 

  11. Kirmeyer, G. J., Friedman, M., Clement, J., Sandvig, A., Noran, P. F., Martel, K. D., Smith, D., LeChevallier, M., Volk, C., Antoun, E., Hiltebrand, D., Dyksen, J. and Cushing, R., Guidance manual for maintaining distribution system water quality, AWWA Research Foundation and American Water Works Association, Denver(2000). 

  12. Lee, D., Kwan, B. and Ryu, S., "Filtration Performance Evaluation by Monitoring the Filtered Water Turbidity in Water Treatment Plant," Proceedings of the 2000 autumn conference of KSWW and KSWQ, pp. 115-118(2000). 

  13. U.S. EPA, Water Sentinel System Architecture Draft, Version 1.0(2005). 

  14. Janke, R., Murray, R. Uber, J. and Taxon, T., "Comparison of Physical Sampling and Real-Time Monitoring Strategies for Designing a Contamination Warning System in a Drinking Water Distribution System," J. Water Resour. Plann. and Manage., 132(4), 310-313(2006). 

  15. U.S. EPAa, Water Security Initiative: System Evaluation of the Cincinnati Contamination Warning System Pilot, U.S EPA Water Security Division(2014). 

  16. U.S. EPAb, Water Security Initiative: Evaluation of the Water Quality Monitoring Component of the Cincinnati Contamination Warning System Pilot, U.S EPA Water Security Division(2014). 

  17. Park, N. S., Lee, Y., Chae, S. and Yoon, S., "A Study on the Statistical Predictability of Drinking Water Qualities for Contamination Warning System," J. Korean Soc. Water and Wastewater, 29(4), 469-479(2015). 

  18. Park, N. S., Park, S., Kim, S. and Jeong, N., "Establishment of the Refined Model for Prediction of Flocculation/Sedimentation Efficiency Using Model Tree Technique," J. Korean Soc. Water and Wastewater., 20(6), 1-436(2006). 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로