KR101432436B1

KR101432436B1 - 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측 장치 및 방법

Info

Publication number: KR101432436B1
Application number: KR1020130032729A
Authority: KR
Inventors: 김창원; 김예진; 김효수; 김민수; 박문화
Original assignee: 부산대학교 산학협력단
Priority date: 2013-03-27
Filing date: 2013-03-27
Publication date: 2014-08-21
Also published as: WO2014157748A1

Abstract

본 발명은 하수처리장의 효과적인 공정운영과 안정적인 처리효율을 지속하기 위해 과거의 축적된 데이터로부터 현재 예측하고자 하는 시점의 데이터와 가장 유사한 벡터를 가진 데이터쌍인 유사벡터를 선별하여 상기 선별된 유사벡터의 거리값을 이용하여 가중치를 도출하고, 상기 도출된 가중치를 이용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 최근린기법을 이용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 장치 및 방법에 관한 것이다.
본 발명에 의하면, 하수처리장의 유입유량과 유입성분농도의 데이터를 수집하는 데이터수집부; 상기 데이터수집부에 의해 수집된 데이터를 전달받아 상기 데이터 중에서 이상치(outlier)를 제거함과 동시에 상기 이상치에 대한 보완값을 입력하여 데이터를 전처리하는 데이터전처리부; 상기 데이터전처리부를 통해 전처리된 데이터를 기준으로, 예측하고자 하는 시점의 하루 전과 이틀 전의 데이터쌍과 가장 유사한 벡터를 가진 데이터쌍인 유사벡터를 선별하는 유사벡터선별부; 및 상기 유사벡터선별부에 의해 선별된 유사벡터의 거리값을 바탕으로 일정한 가중치를 배분하고 상기 가중치를, 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 적용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 데이터예측부;를 포함하되, 상기 유입성분농도는 BOD₅, COD_Mn, SS, TN, TP 중에서 선택된 적어도 어느 하나 이상인 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치를 제공한다.

Description

최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측 장치 및 방법{Apparatus and method for prediction of influent flow rate and influent components using nearest neighbor method}

본 발명은 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치 및 방법에 관한 것이다. 보다 상세하게 설명하면, 하수처리장의 효과적인 공정운영과 안정적인 처리효율을 지속하기 위해 과거의 축적된 데이터로부터 현재 예측하고자 하는 시점의 데이터와 가장 유사한 벡터를 가진 데이터쌍인 유사벡터를 선별하여 상기 선별된 유사벡터의 거리값을 이용하여 가중치를 도출하고, 상기 도출된 가중치를 이용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 최근린기법을 이용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 장치 및 방법에 관한 것이다.

하수처리장의 처리능을 변화시키는 가장 기본적이며 일반적인 외란 중 하나는 바로 유입하수의 유량 및 성상의 변화이다. 따라서 유입하수의 유량과 수질성상을 예측하는 것은 공정의 안정적인 운전에 도움이 될 수 있는 바, 이러한 하수처리장의 유입수의 변화에 탄력적으로 대처하기 위한 유입수의 유량 및 성상 예측에 대한 모델 개발을 위한 연구도 활발하게 진행되어 왔다.

이러한 모델 개발은 크게 두 가지로 나뉠 수 있으며, i)결정론적 모델로써 기본적으로 공정과 관련된 메커니즘과 물질수지식 등에 기반하여 일반적으로 미분방정식의 형태로 표현되는 수학적 모델(Mathematical model)과 ii)공정으로부터 확보된 측정 데이터에 기반하여 목표 변수를 모사하는 데이터 기반 모델(Data driven model)로 구분되어 발전해 왔다고 할 수 있다. 그리고 현재 하수관망 내의 하수의 성상과 유량을 측정하기 위한 상용 프로그램인 SWMM에 내장되어 있는 각종 이론적 수식들의 집합은 본 발명과 동일한 목적을 가진 수학적 모델의 대표적인 예가 될 수 있으며, 비선형 데이터의 모델링에 널리 쓰이는 인공신경망(Artificial neural network)은 데이터 기반 모델의 대표적인 예가 될 수 있다.

이들 모델들은 하수처리장 건설을 위한 다양한 설계안들의 시뮬레이션에 의한 평가를 의미하는 공정 설계와, 다양한 시나리오 분석을 통한 하수처리플랜트의 공정의 향상 및 공정 이상 발생 시 적절한 대안 제시를 의미하는 공정의 최적화 및 제어라는 측면에서 유용하게 활용되고 있다.

특히 공정의 최적화 및 제어라는 측면에서 이러한 모델의 활용은 현재 시점을 기준으로 한 활용 즉 공정의 이상이 발생한 후 정상화하는데 있어서의 활용에 국한되었고, 이들 모델들은 공정 상태의 이상을 사전에 감지하여 발생할 수 있는 문제를 사전에 방지하기 위한 도구로써는 활용되지 못하고 있는 실정이다.

이러한 현재 기존 모델의 한계점을 극복하기 위해서는 적절한 유입수 예측 모델의 개발이 필요하고, 개발된 유입수 예측 모델이 기존의 공정 성능 예측모델과 결합이 된다면 공정의 미래 상태에 대한 정보가 사전에 제공되어 사후에 발생될 수 있는 문제가 사전에 감지되어 공정 이상이 발생하기 이전에 조치가 취해짐으로써 공정의 안정적인 운전에 기여할 수 있을 것으로 기대된다.

특히 몇몇 연구자들에 의해 유입수 예측 모델의 개발이 시도되었으나 이들에 의해 개발된 하수 발생 메커니즘과 물질수지식 등에 기반한 대부분의 결정론적 모델들은 시간에 따라 변화하는 많은 변수들을 가짐으로 보정(calibration)과 광범위한 모니터링 조사가 요구되는 단점을 가지고 있었다.

또한 데이터에 기반한 모델을 사용한 연구 결과가 보도가 되기도 하였지만, 예측 대상이 유입유량에만 국한되어 있었으며, 적용한 데이터양과 모델의 구조, 적절한 모델링 계수의 최적화 등에 매우 의존적인 예측 성능을 나타내고 있다는 한계점을 가지고 있었다. 뿐만 아니라 이러한 모델들은 예측 성능을 유지하기 위해 계수의 최적화가 주기적으로 요구되며, 시스템에 탑재될 시 매우 복잡한 코딩을 요한다는 단점을 가지고 있었다.

국내공개특허 제10-2009-0078501호

본 발명은 이와 같은 문제점을 해결하기 위해 안출된 것으로서, 많은 양의 누적데이터를 사용하여 튜닝할 필요가 없으며, 시스템에 쉽게 탑재가능하고 실제상황에 적용될 시에 주기적인 튜닝을 요구하지 않는 최근린기법 즉, 유사벡터 선별에 바탕한 시계열 모델링기법을 이용하여 하수처리장의 미래의 유입유량과 유입성분농도를 예측하기 위한 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치 및 방법을 제공하는데 그 목적이 있다.

본 발명에 의하면, 하수처리장의 유입유량과 유입성분농도의 데이터를 수집하는 데이터수집부; 상기 데이터수집부에 의해 수집된 데이터를 전달받아 상기 데이터 중에서 이상치(outlier)를 제거함과 동시에 상기 이상치에 대한 보완값을 입력하여 데이터를 전처리하는 데이터전처리부; 상기 데이터전처리부를 통해 전처리된 데이터를 기준으로, 예측하고자 하는 시점의 하루 전과 이틀 전의 데이터쌍과 가장 유사한 벡터를 가진 데이터쌍인 유사벡터를 선별하는 유사벡터선별부; 및 상기 유사벡터선별부에 의해 선별된 유사벡터의 거리값을 바탕으로 일정한 가중치를 배분하고 상기 가중치를, 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 적용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 데이터예측부;를 포함하되, 상기 유입성분농도는 BOD₅, COD_Mn, SS, TN, TP 중에서 선택된 적어도 어느 하나 이상인 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치를 제공한다.

한편, 상기 데이터수집부는 하수처리장의 유입유량과 유입성분농도의 데이터를 저장하는 데이터베이스와, 상기 데이터베이스로부터 사용자가 원하는 갯수의 데이터셋을 설정하여 상기 설정된 데이터셋을 정렬하는 데이터셋설정부를 포함하는 것을 특징으로 한다.

한편, 상기 데이터전처리부는 하수처리장의 유입유량과 유입성분농도의 데이터 중에서 데이터의 신뢰성을 떨어뜨릴 수 있는 이상치(outlier)를 제거하는 이상치제거부와, 상기 이상치제거부에서 제거된 시점의 이상치를 보완하기 위해 상기 제거된 시점 전날과 다음날의 데이터평균값을 제거된 시점의 이상치에 적용하여 데이터셋을 유지하도록 하는 이상치보완부를 포함하는 것을 특징으로 한다.

한편, 상기 이상치제거부는 아래의 식과 같이 관리상한선(Upper Control Limit, UCL)과 관리하한선(Lower Control Limit, LCL)을 설정하고, 상기 관리상한선과 상기 관리하한선을 벗어나는 값을 이상치로 판단하는 관리도기법을 사용하여 이상치를 제거하는 것을 특징으로 한다.

(여기서,

는 수집된 데이터의 평균, A는 상수,

는 표준편차를 말함)

한편, 상기 유사벡터선별부는 유클리드 거리계산방법을 이용하여 전처리된 데이터의 각 시점에 해당하는 데이터와 상기 시점의 하루 및 이틀 전 시점의 데이터 간의 거리를 계산하는 유클리드 거리계산부와, 상기 계산된 값 중 가장 작은 값을 가지는 거리값에 황금분할비를 곱하여 거리기준값을 도출하는 거리기준값 도출부와, 상기 도출된 거리기준값 미만의 거리값을 가지는 데이터쌍인 유사벡터를 선별하는 데이터 선별부를 포함하는 것을 특징으로 한다.

한편, 상기 데이터예측부는 선별된 유사벡터를 아래의 식에 의한 가중치로 배분하는 가중치계산부와, 상기 가중치계산부에 의해 배분된 가중치를 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 각각 곱하고, 상기 곱한값들을 합산함으로써 하수처리장의 유입유량과 유입성분농도를 예측하는 예측부를 포함하는 것을 특징으로 한다.

(여기서, W_i는 i시점에서의 가중치, D^-1 _s,i는 선별된 i시점에서의 거리값의 역수를 말함.)

또한 본 발명에 의하면, 하수처리장으로부터 유입유량과 유입성분농도의 데이터를 입력받는 데이터 입력단계; 상기 입력된 데이터 중에서 이상치(outlier)를 제거함과 동시에 상기 이상치에 대한 보완값을 입력하여 데이터를 전처리하는 데이터 전처리단계; 유클리드 거리계산방법을 이용하여 전처리된 데이터의 각 시점에 해당하는 데이터와 상기 시점의 하루 및 이틀 전 시점의 데이터 간의 거리를 계산하고, 상기 계산된 값 중 가장 작은 값을 가지는 거리값에 황금분할비를 곱하여 거리기준값을 도출하고, 상기 도출된 거리기준값 미만의 거리값을 가지는 데이터쌍인 유사벡터를 선별하는 유사벡터 선별단계; 및 상기 선별된 유사벡터의 거리값을 바탕으로 일정한 가중치를 배분하고 상기 가중치를, 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 각각 곱하고, 상기 곱한값들을 합산함으로써 하수처리장의 유입유량과 유입성분농도를 예측하는 데이터 예측단계;를 포함하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측방법를 제공한다.

한편, 상기 데이터 전처리단계는 아래의 식과 같이 관리상한선(Upper Control Limit, UCL)과 관리하한선(Lower Control Limit, LCL)을 설정하고, 상기 관리상한선과 상기 관리하한선을 벗어나는 값을 이상치로 판단하는 관리도기법을 사용하여 이상치를 제거하며, 상기 제거된 시점의 이상치를 보완하기 위해 상기 제거된 시점 전날과 다음날의 데이터평균값을 제거된 시점의 이상치에 적용하여 데이터셋을 유지하도록 하는 이상치를 보완하는 것을 특징으로 한다.

(여기서,

는 수집된 데이터의 평균, A는 상수,

는 표준편차를 말함)

한편, 상기 데이터 전처리단계에서 전처리된 데이터에 대하여 사용자가 검색하고자 하는 데이터의 검색범위를 설정하여 상기 설정된 데이터 검색범위에 대해 유사벡터를 검색할 수 있는 데이터 검색범위 설정단계;를 더 포함하는 것을 특징으로 한다.

본 발명에 의한 최근린기법을 이용한 하수처리장의 유입유량 및 유입성분농도의 예측장치 및 방법에 의해 하수처리장으로부터 확보된 유입데이터만을 활용하여 현재 시점 기준 1일 뒤, 2일 뒤, 3일 뒤 등의 유입유량 및 BOD₅, COD_Mn, SS, TN, TP 등과 같은 유입성분농도를 예측함으로써 하수처리장 내에서 적절한 대응(공정조건 변화 등)을 자동으로 행할 수 있는 효과가 있다.

도 1은 본 발명의 실시예에 따른 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치를 나타내는 구성도이다.
도 2는 본 발명의 실시예에 따른 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측방법을 나타내는 순서도이다.
도 3a 내지 도 3f는 도 2의 예측방법에 따라 실행된 각 목표변수들의 현재시점 기준 1일 뒤의 예측결과와 실측결과를 비교한 그래프들이다.
도 4a 내지 도 4f는 도 2의 예측방법에 따라 실행된 각 목표변수들의 현재시점 기준 일주일 뒤의 예측결과와 실측결과를 비교한 그래프들이다.

이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조번호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

도 1은 본 발명의 실시예에 따른 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치를 나타내는 구성도이고, 도 2는 본 발명의 실시예에 따른 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측방법을 나타내는 순서도이고, 도 3a 내지 도 3f는 도 2의 예측방법에 따라 실행된 각 목표변수들의 현재시점 기준 1일 뒤의 예측결과와 실측결과를 비교한 그래프들이고, 도 4a 내지 도 4f는 도 2의 예측방법에 따라 실행된 각 목표변수들의 현재시점 기준 일주일 뒤의 예측결과와 실측결과를 비교한 그래프들이다.

도 1을 참조하면, 본 발명에 의한 하수처리장의 유입유량과 유입성분농도의 예측장치(10)는 데이터수집부(100), 데이터전처리부(200), 유사벡터검색부(300), 및 데이터예측부(400)를 포함한다. 상기 유입성분농도는 BOD₅, COD_Mn, SS, TN, TP 중에서 선택된 적어도 어느 하나 이상인 것이 바람직하다.

상기 데이터수집부(100)는 하수처리장의 유입유량과 유입성분농도의 데이터를 수집하는 역할을 한다. 즉, 상기 데이터수집부(100)는 하수처리장에서 1일 1회 측정하고 있는 유입유량과 유입성분농도(BOD₅, COD_Mn, SS, TN, TP )를 수집하게 된다.

상기 데이터수집부(100)는 하수처리장의 유입유량과 유입성분농도의 데이터를 저장하는 데이터베이스(110)와, 상기 데이터베이스(110)로부터 사용자가 원하는 갯수의 데이터셋을 설정하여 상기 설정된 데이터셋을 정렬하는 데이터셋설정부(120)를 포함한다. 상기 데이터셋설정부(120)는 상기 데이터수집부(100)에서 미리 설정될 수 있고, 또는 후술할 데이터전처리부(200)에서 전처리된 데이터들을 기준으로 설정될 수도 있을 것이다. 따라서 상기 데이터베이스(110)에 저장된 데이터들을 사용자가 임의로 30개, 90개, 365개, 730개 등의 데이터셋을 설정할 수 있으며, 상기 설정된 데이터셋은 하수처리장의 유입유량과 유입성분농도를 예측하기 위한 데이터가 되는 것이다.

상기 데이터전처리부(200)는 상기 데이터수집부(100)에 의해 수집된 데이터를 전달받아 상기 데이터 중에서 이상치(outlier)를 제거함과 동시에 상기 이상치에 대한 보완값을 입력하여 데이터를 전처리하는 역할을 한다.

상기 데이터전처리부(200)는 하수처리장의 유입유량과 유입성분농도의 데이터 중에서 데이터의 신뢰성을 떨어뜨릴 수 있는 이상치(outlier)를 제거하는 이상치제거부(210)와, 상기 이상치제거부(210)에서 제거된 시점의 이상치를 보완하기 위해 상기 제거된 시점 전날과 다음날의 데이터평균값을 제거된 시점의 이상치에 적용하여 데이터셋을 유지하도록 하는 이상치보완부(220)를 포함한다.

상기 이상치는 하수처리장으로부터 확보된 데이터 중에서 데이터의 신뢰성을 떨어뜨릴 수 있는 데이터로서, 정확한 예측 모델을 구현하는데 있어 방해요인이 되기 때문에 제거한다. 그리고 이상치의 보완은 이상치 제거로 인한 시계열 데이터의 공백을 보완하기 위해, 해당 시점의 전, 후 시점의 데이터 평균을 적용하여 이상치의 데이터를 보완하는 것이다.

상기 이상치제거부(210)는 아래의 식과 같이 관리상한선(Upper Control Limit, UCL)과 관리하한선(Lower Control Limit, LCL)을 설정하고, 상기 관리상한선과 상기 관리하한선을 벗어나는 값을 이상치로 판단하는 관리도기법을 사용하여 이상치를 제거하는 것이 바람직하다.

(여기서,

는 수집된 데이터의 평균, A는 상수,

는 표준편차를 말함)

상기 유사벡터선별부(300)는 상기 데이터전처리부(200)를 통해 전처리된 데이터를 기준으로, 예측하고자 하는 시점의 하루 전과 이틀 전의 데이터쌍과 가장 유사한 벡터를 가진 데이터쌍인 유사벡터를 선별하는 역할을 한다.

상기 유사벡터선별부(300)는 유클리드 거리계산방법(Euclidean distance method)을 이용하여 전처리된 데이터의 각 시점에 해당하는 데이터와 상기 시점의 하루 및 이틀 전 시점의 데이터 간의 거리를 계산하는 유클리드 거리계산부(310)와, 상기 계산된 값 중 가장 작은 값을 가지는 거리값에 황금분할비를 곱하여 거리기준값을 도출하는 거리기준값 도출부(320)와, 상기 도출된 거리기준값 미만의 거리값을 가지는 데이터쌍인 유사벡터를 선별하는 데이터 선별부(330)를 포함한다.

상기 데이터예측부(400)는 상기 유사벡터선별부(300)에 의해 선별된 유사벡터의 거리값을 바탕으로 일정한 가중치를 배분하고 상기 가중치를, 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 적용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 역할을 한다.

상기 데이터예측부(400)는 선별된 유사벡터를 아래의 식에 의한 가중치로 배분하는 가중치계산부(410)와, 상기 가중치계산부(410)에 의해 배분된 가중치를 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 각각 곱하고, 상기 곱한값들을 합산함으로써 하수처리장의 유입유량과 유입성분농도를 예측하는 예측부(420)를 포함한다.

따라서 가중치계산부(410)는 각 선별 시점의 선별된 유사벡터의 거리값들의 역수의 합을 분모로 두고, 선별시점의 거리값의 역수를 분자에 두어 가중치를 계산하게 되는 것이다.

따라서 본 발명에서는 비선형 시계열 데이터 예측을 수행할 수 있는 최근린기법을 사용하게 되며, 상기 최근린기법을 수행하기 위해 각 시점과 하루, 이틀 전 시점과의 벡터 거동을 분석하여 가용한 데이터인 유사벡터를 선별하기 위해 거리기준을 설정하고, 선별된 유사벡터에 대한 거리값을 기준으로 가중치를 분배하여 예측모델링을 수행하게 되는 것이다.

도 2를 참조하여 본 발명에 의한 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측방법을 설명하면 다음과 같다.

제 1단계는 하수처리장으로부터 유입유량과 유입성분농도의 데이터를 입력받는 데이터 입력단계이다(S110).

제 2단계는 상기 입력된 데이터 중에서 이상치(outlier)를 제거함과 동시에 상기 이상치에 대한 보완값을 입력하여 데이터를 전처리하는 데이터 전처리단계이다(S120).

그리고 제 2단계에서 제 3단계로 넘어가기 전, 상기 데이터 전처리단계에서 전처리된 데이터에 대하여 사용자가 검색하고자 하는 데이터의 검색범위를 설정하여 상기 설정된 데이터 검색범위에 대해 유사벡터를 검색할 수 있는 데이터 검색범위 설정단계(S121)를 더 포함할 수 있다. 이는 사용자가 원하는 데이터의 갯수 예를 들어, 30개, 90개, 365개, 730개 등의 데이터셋 중에서 원하는 검색범위를 설정할 수 있는 것이다. 이후의 설명에서는 730개의 데이터셋을 선택하여 설명하기로 하겠다.

제 3단계는 유클리드 거리계산방법을 이용하여 전처리된 데이터의 각 시점에 해당하는 데이터와 상기 시점의 하루 및 이틀 전 시점의 데이터 간의 거리를 계산하고, 상기 계산된 값 중 가장 작은 값을 가지는 거리값에 황금분할비를 곱하여 거리기준값을 도출하고, 상기 도출된 거리기준값 미만의 거리값을 가지는 데이터쌍인 유사벡터를 선별하는 유사벡터 선별단계이다(S130).

제 4단계는 상기 선별된 유사벡터의 거리값을 바탕으로 일정한 가중치를 배분하고 상기 가중치를, 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 각각 곱하고, 상기 곱한값들을 합산함으로써 하수처리장의 유입유량과 유입성분농도를 예측하는 데이터 예측단계이다(S140).

이하, 실시예를 기준으로 본 발명에서 언급하는 하수처리장의 유입유량과 유입성분농도의 예측방법을 설명하기로 한다.

먼저, 대상 하수처리장의 처리장 용량이 340,000m³/day인 B시 N하수처리장을 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측 대상 하수처리장으로 선정하였다.

대상 하수처리장에서 실제 측정된 2008년부터 2010년까지의 유입수질 데이터들(유량, BOD₅, COD_Mn, SS, TN, TP)을 데이터수집부(100)를 통해 수집하게 된다. 상기 데이터수집부(100)를 통해 수집된 데이터 중 2008년과 2009년의 데이터는 데이터전처리를 거치게 되며, 데이터전처리를 거친 730개의 데이터셋은 본 발명에 의한 예측장치 및 예측방법에 사용된다. 나머지 2010년의 데이터셋은 최근린기법의 예측성능을 검증하기 위해 사용하기로 하겠다.

아래의 [표 1]은 대상 하수처리장의 유입수의 통계학적 특성을 보여주고 있다.

	유량 (m³/d)	BOD₅ (mg/l)	COD_Mn (mg/l)	SS (mg/l)	TN (mg/l)	TP (mg/l)
평균	308,612.4	101.3	57.2	101.8	31.6	3.1
표준편차	40,982.0	11.2	7.8	20.82	3.0	0.3
최대값	450,540.0	149.2	111.8	310.0	48.2	5.9
최소값	240,720.0	61.5	38.7	70.0	20.6	1.6

상기 데이터수집부(100)에 의해 수행된 데이터수집단계(S110)를 거치게 된 후, 수집된 데이터의 이상치 제거 및 이상치 보완을 위한 데이터 전처리단계(S120)를 거치게 된다. 이를 위해 우선, 하수처리장으로부터 확보된 상기 데이터들 중 데이터의 신뢰성을 떨어뜨릴 수 있는 이상치(Outlier)는 정확한 예측모델을 개발하는 데 있어 방해요인이 되므로 제거하게 된다.

본 발명에서는 이상치 제거를 위해 관리도 기법을 사용하였다.

특히 아래의 식과 같이 관리상한선(Upper Control Limit, UCL)과 관리하한선(Lower Control Limit, LCL)을 설정하고, 상기 관리상한선과 상기 관리하한선을 벗어나는 값을 이상치로 간주하고 제거하였다.

본 발명에서는 Mjalli 등에 의해 제안된 값을 참조로 하여 상수(A)를 3으로 사용하였다.

그리고 나서 이상치 제거로 인해 데이터의 공백을 보완하기 위해 이상치가 제거된 시점 전일과 후일에 대한 데이터 평균값을 공백 데이터에 적용하여 730개의 데이터셋을 유지하도록 하였다.

상기의 데이터 전처리를 수행한 후, 모델 개발자 또는 시스템 운영자는 데이터 검색범위 설정단계(S121)에 의해 설정된 데이터 검색범위에 대해 유클리드 거리계산법을 통한 유사벡터 선별단계(S130)를 수행하게 된다.

본 발명에서 사용된 유클리드 거리계산법을 통한 유사벡터 선별단계(S130)는 규칙성이 보이지 않는 데이터로부터 규칙성을 찾아 예측을 수행하는 방법으로 예측하고자 하는 시점의 데이터와 그 시점으로부터 1일 전, 2일 전 시점에 대한 데이터와의 관계에서 가장 가까운 과거의 데이터를 참조하여 예측값을 도출하기 위해 유클리드 거리라는 기준에 의해 데이터를 선별해 나간다. 이후에는 가장 가까운 데이터부터 가중치를 분배하여 예측값의 정밀도를 높이게 되는 것이다.

본 발명에서는 하수처리장의 유입수 예측을 목적으로 하고 있으며, 각 목표변수의 값을 도출하기 위해 전처리된 데이터를 바탕으로 유용한 데이터 선별을 위한 거리 계산을 위해 아래 식에서와 같이 유클리드 거리계산법(Euclidean distance method)을 사용하였다.

(여기서, D_i는 i시점에서의 거리값, Y₇₂₈은 728번째 시점에서의 측정값, Y₇₂₉는 729번째 시점에서의 측정값, t는 시점을 말함.)

상기 유클리드 거리계산법에 의해 계산된 각 시점에서의 거리값들을 바탕으로 최근린기법 적용을 위한 유사벡터를 선별하기 위해 상기 계산값들 중 최소값을 가지는 거리값을 선정하여 황금분할비인 1.62를 곱하여 거리 기준값을 도출한다.

상기 도출된 거리 기준값을 기반으로 하여 각 시점에서의 계산된 거리값과 비교하여 거리 기준값 미만의 거리값을 가지는 데이터쌍인 유사벡터를 선별한다. 그리고 나서 데이터 예측단계(S140)를 통해 상기 선별된 유사벡터를 바탕으로 아래 식에서와 같이 각 선별 시점의 거리값의 역수의 합을 분모로 두고, 선별시점의 거리값의 역수를 분자에 두어 가중치를 배분한다.

(여기서, Wi는 i시점에서의 가중치, D^-1 _s,i는 선별된 i시점에서의 거리값의 역수를 말함.)

그리고 상기 도출된 가중치를 예측하고자 하는 시점의 1일 전 및 2일 전 시점의 데이터에 각각 곱하고, 곱하여진 값을 합함으로써 예측하고자 하는 유입유량 및 유입성분농도를 예측하게 된다.

도 3a 내지 도 3f는 본 발명의 실시예에 따른 각 목표변수의 현재시점 기준 1일 뒤 예측을 위해 730개의 데이터셋을 이용하여 최근린기법을 통해 예측한 결과와 실측값의 결과를 나타내고 있다.

여기서, 도 3a는 유입유량, 도 3b는 BOD₅, 도 3c는 COD_Mn, 도 3d는 SS, 도 3e는 TN, 도 3f는 TP의 예측결과를 나타낸다.

특히 최근린기법을 이용한 대상 하수처리장의 유입수 예측 성능의 정량적 평가는 도출된 예측값과 실측값 간의 차이를 백분율로 나타낸 예측 정확도(Prediction accuracy)로 평가될 수 있다.

따라서 본 발명에서 개발된 최근린기법의 정량적인 예측성능 평가를 위하여 아래의 식과 같이 정확성을 100으로 한 실제측정값의 백분율에서 평균 상대 오차율(Average relative difference)의 차이를 계산하여 예측의 정확도를 사용하게 된다. 여기서, Xm,i는 i번째 시점에서의 측정값, Xp,j는 i번째 시점에서의 예측값이다.

본 발명에서 사용된 최근린기법은 주어진 데이터셋인 730개를 통해 1일 뒤의 예측값을 도출하고 있으며, 데이터셋의 갯수를 730개로 고정하고 시점만을 변경하여 예측값을 확보하였다. 2010년 데이터를 사용하여 예측된 최근린기법의 성능을 검증한 결과는 아래 [표 2]와 같다. 따라서 도 3a 내지 도 3f 및 [표 2]를 통해 알 수 있듯이, 본 발명은 각 목표변수들의 실측값들의 변화 거동을 최근린기법이 잘 묘사하고 있을 뿐만 아니라, 유입유량과 유입성분농도(BOD₅, COD_Mn, SS, TN, TP)의 예측정확도는 상당히 높음을 확인할 수 있었다.

	유입 유량	BOD₅	COD_Mn	SS	TN	TP
정확도(%)	93.2	94.1	91.6	92.6	93.1	89.4

이러한 검증결과를 통해 살펴보건대, 현재시점 기준 1일 뒤 유입유량과 유입성분농도를 예측하기 위해 이용된 본 발명의 최근린기법을 이용한 하수처리장 유입유량과 유입성분농도의 예측방법은 다른 하수처리장에서도 일반화되어 사용될 수 있을 것이다.

상기 현재시점 기준 1일 뒤의 예측에 이어 현재시점 기준 2일 뒤, 3일 뒤 예측을 수행한 결과, 현재시점 기준 2일 뒤, 3일 뒤 각 유입유량과 유입성분농도의 예측을 위해 730개의 데이터셋을 통해 예측된 1일 뒤의 예측데이터를 다시 데이터셋에 포함시켜 2일 뒤, 3일 뒤의 목표변수의 예측값을 도출하는 것이 가능했다.

도 4a 내지 도 4f는 이러한 방법에 의해 예측값을 검색범위의 데이터셋으로 포함시켜 일주일 뒤의 유입유량 및 유입성분농도에 관한 예측값을 나타낸 그래프의 실예이다. 여기서, 도 4a는 유입유량, 도 4b는 BOD₅, 도 4c는 COD_Mn, 도 4d는 SS, 도 4e는 TN, 도 4f는 TP의 예측결과를 나타낸다. 그리고 그래프 상의 Accuracy(%)_Estimated는 1일만 예측을 수행한 경우의 일주일 뒤의 예측평균 정확도를 말하고, Accuracy(%)_Re estimated는 예측값을 데이터셋에 포함시켜 예측을 수행한 경우의 일주일 뒤의 예측평균 정확도를 의미한다.

도 4a 내지 도 4f를 통해 알 수 있듯이, 1일만 예측을 수행한 경우 및 예측값을 데이터셋에 모두 포함시켜 예측을 수행한 경우의 일주일 뒤의 예측평균 정확도는 꽤 높음을 알 수 있다.

따라서 전체적으로 현재시점 기준 1일 뒤, 2일 뒤, 3일 뒤의 예측을 위해 개발된 최근린기법은 일주일 뒤의 예측에도 과적합(Overfitting)의 문제를 일으키지 않으면서 각 목표변수들의 변화거동을 적절하게 예측하고 있다는 것을 알 수 있었다.

그러므로 본 발명에 의하 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치 및 방법을 통해 현재 시점 기준 1일 뒤, 2일 뒤, 3일 뒤 등의 유입유량 및 BOD₅, COD_Mn, SS, TN, TP 등과 같은 유입성분농도를 예측함으로써 하수처리장 내에서 유입유량 및 유출성분농도에 따른 적절한 대응(공정조건 변화 등)을 할 수 있게 된다.

이상의 설명은 본 발명을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술분야에서 통상의 지식을 가지는 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 변형이 가능할 것이다. 따라서 본 명세서에 개시된 실시예들은 본 발명을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 사상과 범위가 한정되는 것은 아니다. 본 발명의 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10: 하수처리장의 유입유량 및 유입성분농도의 예측장치
100: 데이터수집부
110: 데이터베이스
120: 데이터셋설정부
200: 데이터전처리부
210: 이상치제거부
220: 이상치보완부
300: 유사벡터선별부
310: 유클리드 계산부
320: 거리기준값 도출부
330: 데이터 선별부
400: 데이터예측부
410: 가중치계산부
420: 예측부

Claims

하수처리장의 유입유량과 유입성분농도의 데이터를 수집하는 데이터수집부;
상기 데이터수집부에 의해 수집된 데이터를 전달받아 상기 데이터 중에서 이상치(outlier)를 제거함과 동시에 상기 이상치에 대한 보완값을 입력하여 데이터를 전처리하는 데이터전처리부;
상기 데이터전처리부를 통해 전처리된 데이터를 기준으로, 예측하고자 하는 시점의 하루 전과 이틀 전의 데이터쌍과 가장 유사한 벡터를 가진 데이터쌍인 유사벡터를 선별하는 유사벡터선별부; 및
상기 유사벡터선별부에 의해 선별된 유사벡터의 거리값을 바탕으로 일정한 가중치를 배분하고 상기 가중치를, 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 적용하여 하수처리장의 유입유량과 유입성분농도를 예측하는 데이터예측부;를 포함하되,
상기 유입성분농도는 BOD₅, COD_Mn, SS, TN, TP 중에서 선택된 적어도 어느 하나 이상인 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치.
제 1항에 있어서,
상기 데이터수집부는 하수처리장의 유입유량과 유입성분농도의 데이터를 저장하는 데이터베이스와, 상기 데이터베이스로부터 사용자가 원하는 갯수의 데이터셋을 설정하여 상기 설정된 데이터셋을 정렬하는 데이터셋설정부를 포함하는 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치.
제 2항에 있어서,
상기 데이터전처리부는 하수처리장의 유입유량과 유입성분농도의 데이터 중에서 데이터의 신뢰성을 떨어뜨릴 수 있는 이상치(outlier)를 제거하는 이상치제거부와, 상기 이상치제거부에서 제거된 시점의 이상치를 보완하기 위해 상기 제거된 시점 전날과 다음날의 데이터평균값을 제거된 시점의 이상치에 적용하여 데이터셋을 유지하도록 하는 이상치보완부를 포함하는 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치.
제 3항에 있어서,
상기 이상치제거부는 아래의 식과 같이 관리상한선(Upper Control Limit, UCL)과 관리하한선(Lower Control Limit, LCL)을 설정하고, 상기 관리상한선과 상기 관리하한선을 벗어나는 값을 이상치로 판단하는 관리도기법을 사용하여 이상치를 제거하는 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치.

(여기서,
는 수집된 데이터의 평균, A는 상수,
는 표준편차를 말함)
제 4항에 있어서,
상기 유사벡터선별부는 유클리드 거리계산방법을 이용하여 전처리된 데이터의 각 시점에 해당하는 데이터와 상기 시점의 하루 및 이틀 전 시점의 데이터 간의 거리를 계산하는 유클리드 거리계산부와, 상기 계산된 값 중 가장 작은 값을 가지는 거리값에 황금분할비를 곱하여 거리기준값을 도출하는 거리기준값 도출부와, 상기 도출된 거리기준값 미만의 거리값을 가지는 데이터쌍인 유사벡터를 선별하는 데이터 선별부를 포함하는 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치.
제 5항에 있어서,
상기 데이터예측부는 선별된 유사벡터를 아래의 식에 의한 가중치로 배분하는 가중치계산부와, 상기 가중치계산부에 의해 배분된 가중치를 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 각각 곱하고, 상기 곱한값들을 합산함으로써 하수처리장의 유입유량과 유입성분농도를 예측하는 예측부를 포함하는 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측장치.

(여기서, W_i는 i시점에서의 가중치, D^-1 _s,i는 선별된 i시점에서의 거리값의 역수를 말함.)
데이터수집부가 하수처리장으로부터 유입유량과 유입성분농도의 데이터를 입력받는 데이터 입력단계;
데이터전처리부가 상기 입력된 데이터 중에서 이상치(outlier)를 제거함과 동시에 상기 이상치에 대한 보완값을 입력하여 데이터를 전처리하는 데이터 전처리단계;
유사벡터선별부가 유클리드 거리계산방법을 이용하여 전처리된 데이터의 각 시점에 해당하는 데이터와 상기 시점의 하루 및 이틀 전 시점의 데이터 간의 거리를 계산하고, 상기 계산된 값 중 가장 작은 값을 가지는 거리값에 황금분할비를 곱하여 거리기준값을 도출하고, 상기 도출된 거리기준값 미만의 거리값을 가지는 데이터쌍인 유사벡터를 선별하는 유사벡터 선별단계; 및
데이터예측부가 상기 선별된 유사벡터의 거리값을 바탕으로 일정한 가중치를 배분하고 상기 가중치를, 예측하고자 하는 시점의 하루 및 이틀 전 시점의 데이터에 각각 곱하고, 상기 곱한값들을 합산함으로써 하수처리장의 유입유량과 유입성분농도를 예측하는 데이터 예측단계;를 포함하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측방법.
제 7항에 있어서,
상기 데이터 전처리단계는 아래의 식과 같이 관리상한선(Upper Control Limit, UCL)과 관리하한선(Lower Control Limit, LCL)을 설정하고, 상기 관리상한선과 상기 관리하한선을 벗어나는 값을 이상치로 판단하는 관리도기법을 사용하여 이상치를 제거하며, 상기 제거된 시점의 이상치를 보완하기 위해 상기 제거된 시점 전날과 다음날의 데이터평균값을 제거된 시점의 이상치에 적용하여 데이터셋을 유지하도록 하는 이상치를 보완하는 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측방법.

(여기서,
는 수집된 데이터의 평균, A는 상수,
는 표준편차를 말함)
제 8항에 있어서,
상기 데이터 전처리단계에서 전처리된 데이터에 대하여 사용자가 검색하고자 하는 데이터의 검색범위를 설정하여 상기 설정된 데이터 검색범위에 대해 유사벡터를 검색할 수 있는 데이터 검색범위 설정단계;를 더 포함하는 것을 특징으로 하는 최근린기법을 이용한 하수처리장의 유입유량과 유입성분농도의 예측방법.