KR100650267B1 - Method for predicting falling dust - Google Patents
Method for predicting falling dust Download PDFInfo
- Publication number
- KR100650267B1 KR100650267B1 KR1020050098706A KR20050098706A KR100650267B1 KR 100650267 B1 KR100650267 B1 KR 100650267B1 KR 1020050098706 A KR1020050098706 A KR 1020050098706A KR 20050098706 A KR20050098706 A KR 20050098706A KR 100650267 B1 KR100650267 B1 KR 100650267B1
- Authority
- KR
- South Korea
- Prior art keywords
- dust
- amount
- yard
- independent variables
- dust generation
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 6
- 238000012417 linear regression Methods 0.000 claims description 5
- 230000001932 seasonal effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003912 environmental pollution Methods 0.000 abstract description 3
- 239000007921 spray Substances 0.000 abstract 2
- 230000001373 regressive effect Effects 0.000 abstract 1
- 239000002245 particle Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 239000011362 coarse particle Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- UHOVQNZJYSORNB-UHFFFAOYSA-N monobenzene Natural products C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 208000023504 respiratory system disease Diseases 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005183 environmental health Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 125000001997 phenyl group Chemical group [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000037152 sensory function Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000003135 vibrissae Anatomy 0.000 description 1
- 239000008096 xylene Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
도 1은 본 발명에 따른 바람직한 실시예의 분진 예측방법을 단계별로 나타낸 순서도.1 is a flow chart showing step by step of the dust prediction method of a preferred embodiment according to the present invention.
도 2는 본 발명에 따른 바람직한 실시예의 분진 예측방법에 사용되는 최종 종속변수 및 독립 변수를 나타내는 표.2 is a table showing the final dependent and independent variables used in the dust prediction method of the preferred embodiment according to the present invention.
도 3은 본 발명에 따른 바람직한 실시예의 분진 예측방법에 따른 분진량 예측모델로 예측한 독립변수들의 최적조건을 나타내는 표.3 is a table showing the optimum conditions of the independent variables predicted by the dust amount prediction model according to the dust prediction method of a preferred embodiment according to the present invention.
도 4는 본 발명에 따른 바람직한 실시예의 분진 예측방법에 따른 계절별 예측 결과를 나타내는 표.Figure 4 is a table showing the seasonal prediction results according to the dust prediction method of a preferred embodiment according to the present invention.
본 발명은 분진 예측방법에 관한 것으로, 보다 상세하게는 기상 상태 및 특정 분포상황을 실시간으로 제공받아 비산먼지 발생지역에서 발생되는 분진 발생량을 예측하는 분진 예측방법에 있어서, 분진 예측모델을 이용하여 분진 발생량을 예측하고 상기 분진 발생량이 최소가 되도록 야드 살수량을 설정하여 분진이 작업장 외부로 유출 및 확산되는 것으로 판별되면 즉시 주의를 줌으로써 즉각적으로 사전 대응이 가능하도록 하여 환경오염을 방지하는 분진 예측 방법에 관한 것이다.The present invention relates to a dust prediction method, and more particularly, in a dust prediction method for predicting dust generation generated in a scattering dust generation area by receiving a weather condition and a specific distribution situation in real time, a dust using a dust prediction model. In order to predict the amount of dust and to set the amount of yard water so that the dust is minimized, if it is determined that the dust is spilled and diffused out of the workplace, immediate attention is given to the dust prediction method that prevents environmental pollution by promptly responding. It is about.
일반적으로 건설공사 배출먼지나 도로 또는 토양먼지와 같이 비교적 큰 입경의 토양입자가 분쇄되면서 먼지가 발생되는 경우에는 입경분포 중 입경 10㎛ 이상의 조대입자가 차지하는 비중이 크지만 연소과정에서 배출되는 먼지는 입경 10㎛ 이하의 미세입자가 대부분이다. 환경보건적인 측면에서 보면 입경 10㎛ 이상의 조대입자는 호흡기를 통하여 인체에 흡입된 이후 비강 내 비모에 의하여 여과되거나 상기도 내를 덮고 있는 점액 면에 관성 충돌하여 흡착된 후 제거되므로 실제적으로 인체에 미치는 영향은 미미한 편이지만, 입경 10㎛ 이하의 미세입자는 포착되지 않고 폐의 최심부까지 흡입되어 모세기관지나 폐포에 침착되고, 일부는 기관지 내에 축적되어 독성을 발휘하고 일부는 체액에 용해되어 혈액을 통하여 각종 신체 장기에 운반됨으로써 인체에 직접적인 위해를 끼치게 된다.In general, when dust is generated by crushing soil particles of relatively large particle size such as construction dust, road or soil dust, coarse particles having a particle size of 10㎛ or more are large in the particle size distribution, but dust emitted during combustion Most of the fine particles having a particle diameter of 10 μm or less. In terms of environmental health, coarse particles having a particle diameter of 10 μm or more are sucked into the human body through the respiratory tract and then removed after being filtered by the nasal hairs in the nasal cavity or by inertia impingement on the mucous membrane covering the upper respiratory tract. The effect is minor, but microparticles with a particle diameter of 10 μm or less are not captured and are sucked up to the deepest part of the lung and deposited in capillaries or alveoli, some accumulate in the bronchus, toxic and some are dissolved in body fluids. By carrying to various body organs through it will cause direct harm to the human body.
제철소는 원료 하역부두, 노천 야적장 및 이송설비 등 분진 발생원이 광범위하게 분포하고 있는데, 부두로부터 운반된 원료를 제철소의 야드에 적치하게 되면 노천 야적장 및 이송설비 등에서 분진이 많이 발생된다. 상기 분진은 일정한 배출구 없이 야드에서 바람에 의해 불규칙적으로 발생되는 먼지로 먼지 돔(DUST DOME) 효과와 같은 가시악화 및 상기 미세먼지 농도를 증가시켜 호흡기 질환의 유발, 설비의 열화와 같은 피해를 가져온다.In steel mills, dust sources such as raw material loading docks, open yards and transfer facilities are widely distributed. When raw materials carried from docks are placed in yards of steel mills, a lot of dust is generated in open yards and transfer facilities. The dust is a dust generated irregularly by the wind in the yard without a constant outlet, such as a dust dome (DUST DOME) effect and increase the concentration of fine dust, causing damage, such as respiratory diseases, equipment deterioration.
상기 분진을 검출하는 방법은 현재로서는 육안에 의하여 식별하는 방법밖에는 없어서 감시자의 유무에 따라 분진의 발생이 검출되지 못하는 경우가 많으며 또한 감시자의 주관적인 판단에 의해 분진의 발생 여부에 대한 결정이 정량적이지 못 한 문제점이 있었다.The method of detecting the dust is currently only visible to the naked eye, so the occurrence of dust is often not detected depending on the presence or absence of a supervisor, and the determination of whether the dust is generated is not quantitative based on the subjective judgment of the supervisor. There was a problem.
따라서 제철소 원료공정에서 발생하는 분진의 정확한 발생량을 파악하기 위하여 객관적인 분진 예측 방법이 필요한 실정이다.Therefore, in order to grasp the exact amount of dust generated in the steel mill raw material process, an objective dust prediction method is needed.
본 발명은 상기와 같은 종래의 문제점을 해소하기 위한 것으로서 분진 예측모델을 이용하여 분진 발생량을 예측하고 상기 분진 발생량이 최소가 되도록 야드 살수량을 설정하여 분진이 작업장 외부로 유출 및 확산되는 것으로 판별되면 즉시 주의를 줌으로써 즉각적으로 사전대응이 가능하도록 하여 환경오염을 방지하는 분진 예측 방법을 제공하는 것을 목적으로 한다.The present invention is to solve the above-mentioned problems, and when it is determined that the dust is discharged and diffused outside the workplace by predicting the dust generation amount using the dust prediction model and setting the yard spraying amount to minimize the dust generation amount It is an object of the present invention to provide a dust prediction method that prevents environmental pollution by providing immediate precautions by giving immediate attention.
상기 목적을 달성하기 위하여 본 발명은 기상 상태 및 특정 분포상황을 실시간으로 제공받아 비산먼지 발생지역에서 발생되는 분진 발생량(출원인의 회사에서는 통상 강하먼지 발생량이라 명칭으로 측정 및 관리하고 있음)을 예측하는 분진 예측방법에 있어서, 상기 분진을 발생시키는데 관여하는 독립 변수를 선별하고 필터링하는 선택 단계;와 상기 선택 단계에서 선택된 독립변수에 대한 통계적 유의수준을 분석하여 최종 독립변수를 구성하는 구성 단계;와 상기 구성단계에서 구성된 독립변수를 선형회귀식을 이용하여 분진 예측모델을 선택하고 상기 모델을 이용하여 분진 발생량을 최소로 하는 독립변수 각각의 최적값을 결정하는 결정단계; 및 상기 예측 모델을 이용한 계절별 최적의 분진 발생량을 예측하고 상기 예측한 분진 발생량이 최소가 되도록 야드 살수량을 설정하는 계절별 최적 야드 살수량 설정 단 계;를 포함하여 이루어진 것을 특징으로 하는 분진 예측방법을 제공한다.In order to achieve the above object, the present invention is provided with real-time weather conditions and specific distribution conditions for predicting dust generation amount generated in scattering dust generation area (the company's company usually measures and manages it under the name of falling dust generation amount). A dust prediction method comprising: a selection step of selecting and filtering an independent variable involved in generating dust; and a step of constructing a final independent variable by analyzing a statistical significance level of the independent variable selected in the selection step; and the A decision step of selecting a dust prediction model using the linear regression equation of the independent variables configured in the construction step and determining an optimum value of each independent variable that minimizes the dust generation amount using the model; And a step of setting a seasonal optimal yard sprinkling amount to predict an optimal seasonal amount of dust generation using the predictive model and setting a yard watering amount to minimize the predicted dust generation amount. to provide.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 따른 분진 예측방법을 더욱 상세히 설명한다.Hereinafter, with reference to the accompanying drawings will be described in more detail a dust prediction method according to an embodiment of the present invention.
도 1은 본 발명에 따른 바람직한 실시예의 분진 예측방법을 단계별로 나타낸 순서도이고, 도 2는 본 발명에 따른 바람직한 실시예의 분진 예측방법에 사용되는 최종 종속변수 및 독립 변수를 나타내는 표이다.1 is a flowchart showing step by step dust prediction method of a preferred embodiment according to the present invention, Figure 2 is a table showing the final dependent and independent variables used in the dust prediction method of a preferred embodiment according to the present invention.
도 3은 본 발명에 따른 바람직한 실시예의 분진 예측방법에 따른 분진량 예측모델로 예측한 독립변수들의 최적조건을 나타내는 표이고, 도 4는 본 발명에 따른 바람직한 실시예의 분진 예측방법에 따른 계절별 예측 결과를 나타내는 표이다.3 is a table showing the optimum conditions of the independent variables predicted by the dust amount prediction model according to the dust prediction method of the preferred embodiment according to the present invention, Figure 4 is a seasonal prediction results according to the dust prediction method of the preferred embodiment according to the present invention Table to show.
도 1을 참조하면 본 발명의 바람직한 실시예에 따른 분진 예측방법은 선택 단계(S1), 구성 단계(S2), 결정 단계(S3), 설정 단계(S4)를 포함하는 것이 바람직하다.Referring to FIG. 1, the dust prediction method according to the preferred embodiment of the present invention preferably includes a selection step S1, a configuration step S2, a determination step S3, and a setting step S4.
선택 단계(S1)는 측정 대상을 결정하는 단계로 프로세스 분석을 통하여 주요 인자들을 결정하게 되는데 관련 주요 입력요소로는 야드 살수량, 살수량, 대기온도, 습도, 강우량 등과 같은 인자들이 존재하게 된다. 아울러 대기 관련 여러 가지 지표들이 존재하는데, 그 중 대기 중의 미세먼지의 농도를 증가시켜 호흡기 질병을 일으키는 분진은 대기 중에서 입자가 비교적 크고 무거워 중력 또는 강우에 의하여 원료 야드로 자유 낙하하게 되며, 단위면적당 1개월 동안 강하하는 무게(ton/㎢/month)로 표시한다.The selection step (S1) is a step of determining a measurement target, and the main factors are determined through process analysis. The main input factors include factors such as yard watering, watering, air temperature, humidity, and rainfall. In addition, there are various indicators related to the atmosphere. Among them, dust that causes respiratory diseases by increasing the concentration of fine dust in the atmosphere is relatively large and heavy in the atmosphere, and freely falls to the raw material yard by gravity or rainfall. Expressed as weight (ton / ㎢ / month) during the month.
구성단계(S2)에서는 원료 야드 분진에 대한 분석을 위하여 조업 실적 데이터 에서 이상치나 결측치를 제외하고 계절적인 원인에 의하여 발생하는 이상치로 4, 5월 황사에 의한 데이터 변동은 보정하도록 한 후 데이터 분석을 실시한다. 또한 분진 측정법, 즉 더스트 게이지(Dust Gauge)는 개구면의 면적을 직경 30㎝(706.852㎠)인 SUS 재질의 깔대기와 하부에 부피 18ℓ PE 재질의 용기를 연결하고, 상부에는 새 곤충 거미 등의 이물질 유입을 막기 위하여 그물망을 부착하며, 지면으로부터의 난류에 의한 먼지의 유입을 방지하기 위하여 높이 1.5M의 지지대에 장치를 고정하여 건물 옥상에 설치한다. 설치 지점은 지도상에 3㎞ 이상의 격자를 설정하여 40개 정도 설치하여 매월 초에 분진을 수거하여 분석하는데, 분진에 관련된 모든 계측기류에 대한 측정시스템 신뢰성 평가를 하여, 계측에 대한 데이터의 오류를 최소화하도록 미연에 방지하도록 하였다.In the constituent stage (S2), the data fluctuation caused by yellow dust in April and May is corrected for the analysis of raw yard dust. Conduct. In addition, the dust measurement method, namely dust gauge, connects a funnel made of SUS material having a diameter of 30 cm (706.852 cm 2) to an opening and a container of volume of 18 L PE at the lower part, and a foreign substance such as a new insect spider on the upper part. The net is attached to prevent inflow, and the device is fixed to the support of 1.5M in height to prevent the inflow of dust by turbulence from the ground. The installation point sets 40 grids of 3km or more on the map, installs about 40, and collects and analyzes dust at the beginning of each month.The measurement system reliability evaluation is performed for all measurement instruments related to dust, and the error of data for measurement is checked. It was prevented beforehand to minimize.
상기와 같이 사전 작업이 완료된 원료 야드 분진에 관련된 3년간의 실 조업 데이터를 근거로 하여, 분진이 증감하게 되는 원인을 분석하고, 궁극적으로 해결해야 하는 구체적인 문제를 명확하게 정의하기 위해 프로세스를 세부적으로 분석하게 된다. 하나의 집단을 풍속, 계절, 시간, 풍향 및 계절별로 데이터의 공통점을 갖는 몇 개의 그룹으로 나누면서 데이터를 분석하게 된다. 원료 야드 분진 데이터와 기상관련 데이터는 대용량의 데이터이므로 통계에 근거한 과학적인 데이터 분석을 통하여 분진에 가장 크게 영향을 미치는 핵심인자를 도출하게 되는데 먼저 실 조업 데이터를 데이터 특성별로 즉 성분, 풍속, 계절, 시간, 풍향 및 계절별과 같은 그룹으로 구분하여 분진과 관계없는 데이터는 분석에서 제외시키고 수많은 데이터 가운데 통계적으로 분진과 관계가 가장 깊다고 판단되는 인자들을 선별하게 된다. 이 때 분진과 각각의 인자간의 T-통계량이 매우 크고, 유의수준이 0.05 이하인 인자를 관련이 있다고 판단하여 1차적으로 스크린 하게 된다.Based on the three years of actual operation data related to the pre-worked raw yard dust as described above, the process is detailed to analyze the cause of the increase and decrease of the dust and to clearly define the specific problem to be ultimately solved. Will be analyzed. Data is analyzed by dividing a group into several groups with commonalities of data by wind speed, season, time, wind direction, and season. Since raw yard dust data and meteorological data are large amounts of data, it is possible to derive the key factors that have the greatest influence on dust through scientific data analysis based on statistics. By dividing into groups such as time, wind direction, and season, the data that are not related to dust are excluded from the analysis and the factors that are statistically determined to be the deepest among the data are selected. At this time, the T-statistic between the dust and each factor is very large, and the factor having a significance level of 0.05 or less is considered to be related and is primarily screened.
스크린 과정에서 중요한 핵심은 데이터를 분할시 전체 데이터를 모두 사용하는 것이 아니고, 데이터를 분석에 사용될 부분 70%, 검증에 사용될 데이터 10%, 테스트에 사용될 데이터 20%순으로 구분하여 데이터를 분할하게 된다. 이와 같은 방법으로 데이터를 분할함으로써 동일한 모델을 적용해 봄으로써 모형의 적합성을 비교할 수 있고, 구축된 모형의 타당성 및 재현성 평가가 가능하고, 분석용 데이터를 이용하여 모형을 구축하고, 평가용 또는 검증용 데이터에 적용함으로써 모형의 비교나 최종적인 평가 수행이 가능하였다. 이렇게 오차를 제거한 실 조업 데이터를 가지고 종속변수와 독립변수를 선택해야 하는데, 본 발명에서는 예측하고자 하는 분진량이 종속변수가 된다The key point in the screening process is not to use all the data when dividing the data, but to divide the data in order of 70% for analysis, 10% for verification, and 20% for testing. . By splitting the data in this way, you can compare the suitability of the model by applying the same model, evaluate the validity and reproducibility of the constructed model, build the model using the analysis data, and evaluate or verify the data. The application of the data to the application data enables comparison of models and final evaluation. The dependent variable and the independent variable should be selected based on the actual operation data from which the error is removed. In the present invention, the amount of dust to be predicted becomes the dependent variable.
독립변수는 분진에 습도, 야드 살수량, 살수량, 온도 가스성분 등 영향을 미치는 전체 조업인자중 분진량과 실질적인 관계가 없다고 판단되는 대기질 성분관련 데이터인 벤젠, 크실렌, 톨루엔, NOx, SOx, 오존은 제외하였다. 이렇게 하여 1차적으로 서로 상관성이 없는 인자들로 5개의 인자를 독립변수로 선정하였으며 그 결과는 야드 살수량, 살수량, 온도 습도, 풍속 등 5개의 인자가 도출되었다.The independent variable is benzene, xylene, toluene, NOx, SOx, ozone, which are data related to air quality, which are considered to have no practical relationship with the dust content among all the operating factors that affect the dust, such as humidity, yard water flow, water flow, and temperature gas composition. Was excluded. In this way, five factors were selected as independent variables as the factors that are not correlated with each other, and the five factors such as yard watering quantity, watering quantity, temperature humidity, and wind speed were derived.
1차적으로 선택된 5개의 독립변수를 이용하여 선택된 변수들이 95% 신뢰수준에서 유의한 변수들로 구성되었는지 상용 통계프로그램인 미니탭을 이용하여 t-검정을 실시하여 P-값을 분석하여 보았고, 종속변수와 무관한 독립변수 제거 및 관련성이 높은 독립변수 선택들을 통하여 r-Square값이 큰 변수들을 선택하는 방법을 이용하였다. 예측모델이 통계적으로 유의하지 않은 변수를 포함 시에는 실제조업 적용시 예측정도를 오히려 떨어뜨리고, 95% 신뢰수준에서 P-값이 0.05 이상으로 나타난 변수는 통계적으로 유의하지 않기 때문에 독립변수로서 제외하고 최종적으로 4개의 인자를 독립변수로 선정하였으며, 결과는 도 2과 같다.We analyzed the P-value by performing t-test using Minitab, a commercial statistical program, to see if the selected variables consisted of significant variables at 95% confidence level using five independent variables selected first. We used a method of selecting variables with high r-square values by removing independent variables and selecting independent ones. When the predictive model includes variables that are not statistically significant, the prediction accuracy is rather reduced when the actual operation is applied, and the variables whose P-value is 0.05 or more at 95% confidence level are excluded as independent variables because they are not statistically significant. Finally, four factors were selected as independent variables, and the results are shown in FIG. 2.
분진량과 관련된 4가지 인자들과의 상관 분석을 통하여 얻은 결과를 검증하기 위하여 각각의 4개의 인자에 대한 최적 조업조건을 도출하기 위하여 4가지 영역에 대한 시럼 조건 영역을 이용하여 목표변수인 분진량에 대한 최적임계값을 선정하는 과정을 거쳐서 인자에 대한 최적값을 구하였다.In order to verify the results obtained through correlation analysis with the four factors related to the amount of dust, in order to derive the optimum operating conditions for each of the four factors, the serum condition region for the four regions was used to determine the target amount of dust. The optimal value for the factor was obtained through the process of selecting the optimal threshold value.
결정 단계(S3)는 상기 선택된 종속변수(Y)와 독립변수(X) 데이터를 이용하여 최적의 분진 예측 모델을 만들기 위하여 행렬로 하기의 선형회귀식으로 표현한다.Determination step S3 is expressed by the following linear regression equation as a matrix to make an optimal dust prediction model using the selected dependent variable (Y) and independent variable (X) data.
[선형회귀식][Linear regression]
Dust = 79.9177 - 0.1305 * Yard_salsu + 4.1145 * Temp 0.6326 * Humidity + 8.8846 * Wind SpeedDust = 79.9177-0.1305 * Yard_salsu + 4.1145 * Temp 0.6326 * Humidity + 8.8846 * Wind Speed
Yard_salsu : 야드 살수량 Temp : 대기온도 Humidity : 습도 Yard_salsu: Yard Watering Temp: Air Temperature Humidity: Humidity
Wind Speed : 풍속 Dust : 분진량 Wind Speed: Wind Speed Dust: Dust
상기 선형회귀식으로 개발된 분진량 예측모델은 도 3의 변수범위에서 신뢰성이 높은 것으로 나타났다.The dust amount prediction model developed by the linear regression equation was found to have high reliability in the variable range of FIG. 3.
설정 단계(S4)는 상기 예측모델을 이용하여 계절별 최적 야드 살수량을 설정하는 단계로 실 조업 조건에 근사한 최적값을 도출하기 위하여 원료 야드 분진량에 관련된 분진 예측 모델을 만들고, 이에 따라 운전자가 의도하는 야드 살수량을 가 이드 하여 조업 중 발생하는 먼지 발생량을 억제시켜, 야드 관리를 효율적으로 하도록 하였다. 아울러 대기온도, 풍속 등에 따른 분진 발생량에 대한 검정도 하였다. 상기와 같은 과정을 통하여, 계절별 최적의 분진 발생량을 예측하도록 하였고 아울러 분진 발생량이 최소가 되도록 하는 야드 살수량을 설정하였고 결과는 도 4와 같다.The setting step (S4) is a step of setting the optimum yard watering quantity for each season using the predictive model, and in order to derive an optimal value close to the actual operating conditions, a dust prediction model related to the amount of raw yard dust is generated, and accordingly, The yard watering was guided to reduce the amount of dust generated during the operation, so that the yard management was efficient. In addition, dust generation according to air temperature and wind speed was also tested. Through the above process, the optimum amount of dust generation by season was predicted and the amount of yard spraying to minimize the amount of dust was set and the result is shown in FIG. 4.
본 발명에 따른 분진 예측방법은 작업장 내 분진 발생을 기존과 같이 관능에 의해 판별하거나 단순히 측정자료 수치만으로 현재의 상황을 적절하게 판별하지 못해왔던 기존의 관리상황을 개선함으로써 환경관리자가 현재의 기상조건과 대기오염물질의 농도수준 및 공간분포를 직관적이지만 과학적으로 판별할 수 있도록 예측 방법을 제공하며 또한 현재상황에 대한 지능적인 분석을 통하여 분진의 외부 유출확산에 대한 각종 주의 등의 종합적인 판별정보를 제공함으로써 보다 효율적인 환경관리를 가능하게 하는 효과가 있다.According to the present invention, the dust prediction method according to the present invention has been conducted by the environmental manager by improving the existing management situation in which dust generation in the workplace can be determined by the sensory function as in the past or the current situation cannot be properly determined by simply measuring data values. It provides an intuitive but scientifically predictive method for determining the concentration level and spatial distribution of air pollutants and air pollutants. By providing a more effective environmental management is possible.
Claims (2)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020050098706A KR100650267B1 (en) | 2005-10-19 | 2005-10-19 | Method for predicting falling dust |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020050098706A KR100650267B1 (en) | 2005-10-19 | 2005-10-19 | Method for predicting falling dust |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR100650267B1 true KR100650267B1 (en) | 2006-11-27 |
Family
ID=37713705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020050098706A KR100650267B1 (en) | 2005-10-19 | 2005-10-19 | Method for predicting falling dust |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100650267B1 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101247181B1 (en) * | 2012-08-10 | 2013-03-25 | 케이.엘.이.에스 주식회사 | Water spray control system for coalyard and control method thereof |
| CN104866914A (en) * | 2015-04-28 | 2015-08-26 | 山东科技大学 | Method for predicting maximum height of filling mining diversion fissure zone |
| KR101549618B1 (en) | 2013-12-31 | 2015-09-02 | 목포대학교산학협력단 | Apparatus and Method of Analyzing Suitability of Wind Power Complex |
| KR101688412B1 (en) | 2015-09-01 | 2016-12-21 | 주식회사 에스원 | Method and System for Modeling Prediction of Dependent Variable |
| KR102088296B1 (en) | 2019-07-25 | 2020-05-29 | 백정현 | Method and apparatus of predicting disease correlation based on air quality data |
| CN111760406A (en) * | 2020-07-08 | 2020-10-13 | 朱照明 | Automatic water spraying dust-settling environment-friendly system for highway construction |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000194742A (en) | 1998-12-28 | 2000-07-14 | Hitachi Eng Co Ltd | Ambient air quality simulation system |
| KR20050004316A (en) * | 2003-06-27 | 2005-01-12 | 재단법인 포항산업과학연구원 | Prediction method of polluted air dispersion using multiple meteorological data |
| JP2005128691A (en) | 2003-10-22 | 2005-05-19 | Hitachi Eng Co Ltd | Dust dispersion simulation apparatus and method |
-
2005
- 2005-10-19 KR KR1020050098706A patent/KR100650267B1/en not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000194742A (en) | 1998-12-28 | 2000-07-14 | Hitachi Eng Co Ltd | Ambient air quality simulation system |
| KR20050004316A (en) * | 2003-06-27 | 2005-01-12 | 재단법인 포항산업과학연구원 | Prediction method of polluted air dispersion using multiple meteorological data |
| JP2005128691A (en) | 2003-10-22 | 2005-05-19 | Hitachi Eng Co Ltd | Dust dispersion simulation apparatus and method |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101247181B1 (en) * | 2012-08-10 | 2013-03-25 | 케이.엘.이.에스 주식회사 | Water spray control system for coalyard and control method thereof |
| KR101549618B1 (en) | 2013-12-31 | 2015-09-02 | 목포대학교산학협력단 | Apparatus and Method of Analyzing Suitability of Wind Power Complex |
| CN104866914A (en) * | 2015-04-28 | 2015-08-26 | 山东科技大学 | Method for predicting maximum height of filling mining diversion fissure zone |
| CN104866914B (en) * | 2015-04-28 | 2018-08-17 | 山东科技大学 | A kind of prediction technique of filling mining leaking crevice belt maximum height |
| KR101688412B1 (en) | 2015-09-01 | 2016-12-21 | 주식회사 에스원 | Method and System for Modeling Prediction of Dependent Variable |
| KR102088296B1 (en) | 2019-07-25 | 2020-05-29 | 백정현 | Method and apparatus of predicting disease correlation based on air quality data |
| CN111760406A (en) * | 2020-07-08 | 2020-10-13 | 朱照明 | Automatic water spraying dust-settling environment-friendly system for highway construction |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sauvageat et al. | Real-time pollen monitoring using digital holography | |
| KR100650267B1 (en) | Method for predicting falling dust | |
| Sahu et al. | Significance of PM2. 5 air quality at the Indian capital | |
| Jin et al. | Evaluation of impacts of trees on PM2. 5 dispersion in urban streets | |
| Cobourn | An enhanced PM2. 5 air quality forecast model based on nonlinear regression and back-trajectory concentrations | |
| Amorim et al. | CFD modelling of the aerodynamic effect of trees on urban air pollution dispersion | |
| CN111125641B (en) | Atmospheric pollution anomaly identification and cause analysis method, device and storage medium | |
| Chappuis et al. | Automatic pollen monitoring: first insights from hourly data | |
| Liu et al. | A meta-analysis of selected near-road air pollutants based on concentration decay rates | |
| McNabola et al. | Analysis of the relationship between urban background air pollution concentrations and the personal exposure of office workers in Dublin, Ireland, using baseline separation techniques | |
| Tunno et al. | Spatial variation in diesel-related elemental and organic PM2. 5 components during workweek hours across a downtown core | |
| Dėdelė et al. | Seasonal and site-specific variation in particulate matter pollution in Lithuania | |
| Fasolino et al. | Odour control strategies for a sustainable nuisances action plan | |
| RU2243554C1 (en) | Method for complex evaluation of ecological situation and effectiveness of ecological management in the region | |
| Loriato et al. | Odour-a vision on the existing regulation | |
| Yaacof et al. | Comparison method of odour impact evaluation using calpuff dispersion modelling and on-site odour monitoring | |
| Kushwaha et al. | Bias in PM2. 5 measurements using collocated reference-grade and optical instruments | |
| Sironi et al. | Odour regulation and policies | |
| Chong et al. | Prediction and quantification of occupational health risk in road construction workers exposed to asphalt emissions | |
| Hopke | Advances in monitoring methods for airborne particles | |
| Šunjević et al. | Assessment of detected in situ and modeled PM10/2.5 concentration levels during the urban transformation process in Novi Sad, Serbia | |
| KR101052630B1 (en) | Real-time scattered dust spill monitoring system | |
| US20080126108A1 (en) | System and method for implementing a meteorological network for improved atmospheric modeling | |
| Facchini et al. | A model based on artificial neural network for risk assessment to Polycyclic Aromatic Hydrocarbons in workplace | |
| CN111382506A (en) | Method for evaluating influence of aerosol and radiation interaction on atomization effect |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20121121 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20131106 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20141112 Year of fee payment: 9 |
|
| LAPS | Lapse due to unpaid annual fee |