KR101588798B1 - 수질 일반항목을 이용한 총인 측정 방법 - Google Patents

수질 일반항목을 이용한 총인 측정 방법 Download PDF

Info

Publication number
KR101588798B1
KR101588798B1 KR1020110106015A KR20110106015A KR101588798B1 KR 101588798 B1 KR101588798 B1 KR 101588798B1 KR 1020110106015 A KR1020110106015 A KR 1020110106015A KR 20110106015 A KR20110106015 A KR 20110106015A KR 101588798 B1 KR101588798 B1 KR 101588798B1
Authority
KR
South Korea
Prior art keywords
total
water quality
general
items
measuring
Prior art date
Application number
KR1020110106015A
Other languages
English (en)
Other versions
KR20120081544A (ko
Inventor
이창원
김관중
김내수
정훈
함영환
김현욱
Original Assignee
한국전자통신연구원
서울시립대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원, 서울시립대학교 산학협력단 filed Critical 한국전자통신연구원
Priority to US13/348,421 priority Critical patent/US20120179373A1/en
Publication of KR20120081544A publication Critical patent/KR20120081544A/ko
Application granted granted Critical
Publication of KR101588798B1 publication Critical patent/KR101588798B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/18—PO4-P
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Organic Chemistry (AREA)
  • Environmental & Geological Engineering (AREA)
  • Hydrology & Water Resources (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

수질 다항목 측정장치 등을 통해 실시간으로 측정한 수질 일반항목을 이용하여 하천 유역의 총인을 예측하고 그 정확성을 높일 수 있는 총인 측정 방법 및 시스템이 개시된다. 본 발명에 의한 총인 측정 방법은, 일정 기간 동안의 수질 일반항목 데이터와 총인 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하는 단계, 상기 계산 결과 상기 수질 일반항목 중 상관도가 높은 상위항목을 선정하는 단계, 상기 상위항목과 상기 총인 간의 회귀분석을 통해 총인 예측모델을 산출하는 단계, 상기 수질 일반항목을 실측하는 단계 및 상기 실측된 수질 일반항목을 상기 예측모델에 대입하여 총인을 예측하는 단계를 포함한다.

Description

수질 일반항목을 이용한 총인 측정 방법{METHOD FOR MEASURING TOTAL PHOSPHORUS USING GENERAL ELEMENTS OF WATER QUALITY}
본 발명은 수질 일반항목(수온, 전기전도도, 용존산소, 탁도, 엽록소, 산화환원도, 수소이온농도 등)을 이용하여 총인(Total Phosphorus)을 측정하고 그 정확도를 향상시키는 기술에 관한 것이다.
인(Phosphorus)은 질소(Nitrogen)와 더불어 적조를 유발하는 대표적인 영양염류이다. 주로 합성세제와 비료의 주성분으로 하천에 유입되며, 총인은 수질 부영양화를 나타내는 척도로 사용된다. 종래의 총인을 측정하는 방법으로는 해당 하천수를 샘플링(Sampling)하여 실험실에서 분석, 측정하는 방법과 최근 국가자동수질측정망에서 사용하고 있는 측정기기를 이용하는 방법이 있다. 그러나 이러한 방법은 측정법상 단시간에 측정할 수 없어 그 변동을 빠르게 모니터링할 수 없는 단점이 있다. 즉, 종래 기술에 의한 수질 측정 방법은 최소 1시간 이상의 측정 시간이 필요하기 때문에 유속이 빠르거나 상수원이 위치한 곳에서의 수질 변화를 실시간으로 모니터링하기 어렵다.
연구에 따르면 화학적 수질 항목은 서로 연관성을 가지고 있어 하나의 화학적 수질 항목을 통해 다른 수질 항목을 측정할 수 있다. 최근 생화학적인 수질 항목을 통해 총질소와 총인 등 영양염류의 양을 추정하는 방법에 대한 연구가 진행되고 있으나, 수년간에 걸친 측정값을 이용하여 연관성이 있다는 연구 수준에 머물러 있다. 또한, 하천 유역의 특성은 유역별로 다르게 나타나기 때문에(예를 들어, 한강 수계와 낙동강 수계는 인구 밀집도와 농공단지 및 하천 지류와 유입수들의 형태가 달라 서로 다른 특성을 가짐), 수년간의 수질 일반항목 데이터에 의존한 관계분석법을 모든 하천 유역에 일괄적으로 적용할 수는 없다.
하천수의 경우 다양한 인간의 산업 활동에 의해 빠르게 오염이 진행될 수 있으며 경우에 따라 순식간에 돌이킬 수 없는 피해를 일으킬 수도 있으므로, 오염 발생 여부를 신속하게 파악하여 대응할 필요가 있다. 총인은 이러한 오염 발생 여부를 파악하는 척도가 되는데, 종래의 기술로는 최소 1시간 이상의 측정 데이터를 수회 이상 수집하여야만 오염 여부를 판단할 수 있고 그에 대한 대책을 마련할 수 있기 때문에, 수질 오염에 대한 신속한 대처가 어려운 문제점이 있다.
본 발명은 상기한 문제점을 해결하기 위해 제안된 것으로, 수질 다항목 측정장치 등을 통해 실시간으로 측정한 수질 일반항목을 이용하여 총인을 예측하고 그 정확성을 높일 수 있는 총인 측정 방법 및 시스템을 제공하는 것을 목적으로 한다.
이러한 목적을 달성하기 위한 본 발명의 일 실시예에 의한 수질 일반항목을 이용한 총인 측정 방법은, 일정 기간 동안의 수질 일반항목 데이터와 총인 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하는 단계, 상기 계산 결과 상기 수질 일반항목 중 상관도가 높은 상위항목을 선정하는 단계, 상기 상위항목과 상기 총인 간의 회귀분석을 통해 총인 예측모델을 산출하는 단계, 상기 수질 일반항목을 실측하는 단계 및 상기 실측된 수질 일반항목을 상기 예측모델에 대입하여 총인을 예측하는 단계를 포함한다.
또한, 본 발명의 다른 실시예에 의한 수질 일반항목을 이용한 총인 측정 방법은, 일정 기간 동안의 수질 일반항목 데이터와 총인 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하는 단계, 상기 계산 결과 상기 수질 일반항목 중 상관도가 높은 상위항목을 선정하는 단계, 상기 상위항목과 상기 총인 간의 회귀분석을 통해 총인 예측모델을 산출하는 단계, 제 1 시간마다 수질 일반항목을 실측하는 단계, 상기 실측된 수질 일반항목을 상기 예측모델에 대입하여 상기 제 1 시간마다 총인을 예측하는 단계, 상기 제 1 시간보다 큰 제 2 시간마다 총인을 실측하는 단계, 상기 제 2 시간마다 상기 실측된 총인과 상기 제 2 시간 동안 예측된 총인의 평균을 비교하여 상기 예측모델의 정확도를 계산하는 단계 및 상기 정확도가 소정값 이하인 경우 상기 예측모델을 갱신하는 단계를 포함한다.
상기 예측모델 산출 단계는, 상기 상위항목을 독립변수로, 상기 총인을 종속변수로 두고 회귀분석을 수행하여 회귀모형을 산출하는 단계, 상기 회귀모형에 대한 분산분석을 수행하는 단계, 상기 분산분석 결과를 이용하여 상기 상위항목 중 상기 예측모델에 사용할 기준항목을 결정하는 단계 및 상기 기준항목에 대한 회귀계수를 산출하는 단계를 포함할 수 있다.
상기 예측모델 갱신 단계는, 상기 총인의 최근 실측 시점부터 상기 수질 일반항목과 상기 총인에 대한 측정 기간을 달리한 다수의 실측 데이터 세트를 구성하는 단계, 상기 다수의 실측 데이터 세트 각각에 대한 회귀모형을 산출하고 정확도를 계산하는 단계 및 상기 계산 결과 정확도가 가장 높은 회귀모형을 상기 예측모델로 선택하는 단계를 포함할 수 있다.
본 발명에 의한 수질 일반항목을 이용한 총인 측정 시스템은, 하천의 수질 일반항목을 측정하는 수질 측정부, 상기 하천의 총인을 측정하는 총인 측정부, 상기 측정된 수질 일반항목과 총인을 측정 시점에 대응시켜 데이터베이스화하는 측정 데이터 저장부 및 상기 하천의 수질 일반항목과 총인에 대한 일정 기간 동안의 측정 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하고, 상기 수질 일반항목 중 상관도가 높은 상위항목을 선정하여 상기 상위항목과 상기 총인 간의 회귀분석을 통해 총인 예측모델을 산출하며, 상기 수질 측정부에서 실측된 수질 일반항목을 상기 예측모델에 대입하여 총인을 예측하는 분석/계산부를 포함한다.
본 발명에 의하면, 하천의 수질 일반항목과 총인 간의 회귀분석을 통해 총인 예측모델을 산출하여 이용함으로써, 수질 일반항목의 측정 주기에 따라 일정 수준 이상의 정확도로 총인을 예측할 수 있다. 이를 통해 하천 유역의 수질 오염 여부를 실시간으로 감지하고 신속하게 대응책을 마련할 수 있게 된다.
또한, 최근의 가변 기간 동안의 실측 총인 데이터를 이용하여 총인 예측모델을 지속적으로 갱신하여 줌으로써, 그 정확성 및 신뢰성을 보장할 수 있다.
도 1은 본 발명에 의한 수질 일반항목을 이용한 총인 측정 방법의 일 실시예 순서도.
도 2는 도 1의 예측모델 산출 단계(S105)를 보다 상세히 나타낸 순서도.
도 3은 본 발명에 의한 수질 일반항목을 이용한 총인 측정 방법의 다른 실시예 순서도.
도 4는 도 3의 예측모델 갱신 단계(S317)를 보다 상세히 나타낸 순서도.
도 5는 본 발명에 의한 수질 일반항목을 이용한 총인 측정 시스템의 일 실시예 구성도.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명에 의한 수질 일반항목을 이용한 총인 측정 방법의 일 실시예 순서도이다.
도 1을 참조하면, 본 발명의 일 실시예에 의한 총인 측정 방법은, 일정 기간 동안의 데이터를 이용하여 수질 일반항목과 총인 간의 상관도(Correlation)를 계산하는 단계(S101), 수질 일반항목 중 상위항목을 선정하는 단계(S103), 선정된 상위항목과 총인 간의 회귀분석을 통해 총인 예측모델을 산출하는 단계(S105), 수질 일반항목을 실측하는 단계(S107) 및 실측된 수질 일반항목을 예측모델에 대입하여 총인을 예측하는 단계(S109)를 포함한다.
여기에서 수질 일반항목이란 수온, 전기전도도, 용존산소, 탁도, 엽록소, 산화환원도, 수소이온농도 등의 항목을 포함한다.
본 발명에 따르면, 특정 하천에서 일정 기간 동안(예를 들어, 1 ~ 3년간) 측정한 다수의 수질 일반항목과 총인 데이터를 분석하여 둘 간의 상관도를 계산하고(S101), 계산 결과 상관도가 높은 상위항목을 선정한다(S103). 이 때, 위의 7개 수질 일반항목 중 상관도가 가장 높은 1 ~ 3개의 항목을 상위항목으로 선정할 수 있다. 본 실시예에서는 3개의 항목을 상위항목으로 선정하는 것으로 가정한다.
상관도 분석이 완료되면 선정된 상위항목과 총인 간의 회귀분석을 통해 총인 예측모델을 산출한다(S105). 이에 대해서는 이하 도 2에서 상세히 설명하기로 한다.
이어서, 해당 하천 유역에 설치된 다항목 수질 측정 장치(Multiparameter water quality measuring unit)를 이용하여 실시간으로 수질 일반항목을 측정하고(S107), 실측된 자료를 산출된 예측모델에 대입하여 총인을 예측한다(S109).
현재 총인 측정 장치를 이용한 총인 값의 연속적인 실측에는 최소 1시간 이상의 간격이 필요하다. 만약 실험실에서의 수분석을 통해 총인을 측정할 경우에는 수일이 소모되기도 한다. 따라서 이러한 총인의 실측 값을 통해서는 그 변동성을 실시간으로 파악하기가 어렵다. 반면에 수질 센서 등을 이용한 수질 일반항목의 측정은 최소 5초 단위로 연속 측정이 가능하므로, 수질 일반항목을 통해 어느 수준 이상의 정확도로 총인을 예측할 수 있는 회귀모형(예측모델)을 만들어 사용함으로써 하천 유역의 총인 값의 실시간 변동성을 파악할 수 있게 된다.
한편, 일반적으로 하천은 지형과 주변 농업, 목축업, 산업단지 및 인구 밀집도에 따라 다양한 특성을 가지게 된다. 따라서, 본 발명에 개시된 데이터 분석 및 총인 예측 기술은 각 하천 별로 독립적으로 구현되는 것을 전제로 하며, 새롭게 수질 측정을 시작한 하천에 본 발명을 적용하기 위해서는 일정 기간 동안의 데이터 수집이 요구된다.
도 2는 도 1의 예측모델 산출 단계(S105)를 보다 상세히 나타낸 순서도이다.
도 2를 참조하면, 예측모델 산출 단계(S105)는 수질 일반항목 중 선정된 상위항목에 대한 회귀분석 단계(S201), 분산분석 단계(S203), 예측모델에 사용할 기준항목 결정 단계(S205) 및 기준항목에 대한 회귀계수 산출 단계(S207)를 포함할 수 있다.
회귀분석 단계(S201)에서는 상관도 계산에 사용된 3개의 상위항목 데이터를 독립변수로, 총인 데이터를 종속변수로 두고 다중 선형 회귀분석을 수행하여 회귀모형을 산출한다. 이어서 분산분석 단계(S203)에서는 산출된 회귀모형에 대한 분산분석을 수행하고, 이를 통해 3개의 상위항목 중에서도 총인 산출을 위한 예측모델에 가장 적합한 항목, 즉, 예측모델에 사용할 기준항목을 결정한다(S205). 기준항목이 결정되면 그에 대한 회귀계수를 구하여 최종적으로 총인 예측모델을 산출한다(S207).
예를 들어, 만약 3개의 상위항목이 모두 이상적인 선형 회귀모형에 부합한다면, 3개 항목 모두를 기준항목으로 사용할 수 있다. 반면에, 3개의 상위항목을 이용한 회귀모형의 구현 결과 실제 총인과의 정확도 산정값이 일정 수준(예를 들어, 70%)에 이르지 못한다면 탁도만을 기준항목으로 하는 선형 회귀모형을 예측모델로 산출할 수도 있다. 이렇게 탁도만을 기준항목으로 선정한 이유는 인(phosphorus)의 특성이 수중 부유물질에 부착하는 성향이 강하기 때문에 일반적으로 탁도 값에 비례하여 나타나기 때문이다.
도 3은 본 발명에 의한 수질 일반항목을 이용한 총인 측정 방법의 다른 실시예 순서도이다.
도 3을 참조하면, 본 발명의 다른 실시예에 의한 총인 측정 방법은, 일정 기간 동안의 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하는 단계(S301), 수질 일반항목 중 상위항목을 선정하는 단계(S303), 선정된 상위항목과 총인 간의 회귀분석을 통해 총인 예측모델을 산출하는 단계(S305), 제 1 시간마다 수질 일반항목을 실측하는 단계(S307), 실측된 수질 일반항목을 예측모델에 대입하여 제 1 시간마다 총인을 예측하는 단계(S309), 제 2 시간마다 총인을 실측하는 단계(S311), 예측 총인과 실측 총인을 비교하여 예측모델의 정확도를 계산하는 단계(S313) 및 정확도가 소정값 이하인 경우 예측모델을 갱신하는 단계(S315, S317)를 포함한다.
본 실시예에서 상관도 계산 단계(S301), 상위항목 선정 단계(S303), 총인 예측모델 산출 단계(S305)는 위의 도 1 및 도 2를 통해 설명한 S101, S103, S105 단계와 동일하다.
총인 예측모델이 산출되면, 특정 하천 유역에 설치된 수질 센서 등을 통해 제 1 시간(예를 들어, 최소 5초)마다 수질 일반항목을 실측하고(S307), 실측된 수질 일반항목을 예측모델에 대입하여 제 1 시간마다 총인을 예측할 수 있다(S309).
또한, 본 실시예에서는 예측된 총인의 신뢰성을 확보하기 위해 일정 시간마다 총인 예측모델의 정확도를 계산하고, 정확도가 소정값 이하로 떨어질 경우에는 최근의 실측 데이터를 이용하여 예측모델을 갱신하는 방법을 사용한다. 구체적으로, 총인 실측장치를 통해 제 2 시간(예를 들어, 최소 1시간)마다 총인 값을 실측하고(S311), 예측 총인과 실측 총인을 비교하여 예측모델의 정확도를 계산한다(S313). 예를 들어, 만약 수질 일반항목이 5분 간격으로 측정되고 총인이 1시간 간격으로 측정된다면, 1시간 동안 12회 측정된 수질 일반항목 각각에 의한 12개의 총인 예측값의 평균과 1회 측정된 총인 실측값을 비교하여 정확도를 계산할 수 있다. 정확도는 다음과 같은 식에 의해 계산된다.
Figure 112011081004885-pat00001

계산 결과 정확도가 소정값(예를 들어, 0.7) 이상인 경우에는 사용 중인 예측모델이 신뢰할 수 있는 수준인 것인 것이므로 다음 총인 실측시까지 이를 그대로 사용한다. 그러나 정확도가 소정값 이하로 계산된 경우에는 총인 예측모델을 갱신한다(S315, S317). 이하 도 4를 통해 예측모델 갱신 단계(S317)를 상세히 살펴보기로 한다.
도 4는 도 3의 예측모델 갱신 단계(S317)를 보다 상세히 나타낸 순서도이다.
먼저, 최근의 총인 실측 시점부터 이전의 특정 시점까지의 수질 일반항목과 총인에 대한 실측 데이터 세트를 구성한다(S401). 이 때, 측정 기간을 달리하여 다수의 실측 데이터 세트를 구성할 수 있다. 예를 들어, 최근 실측 시점부터 그 이전 12시간, 1일, 7일, 15일, 30일, 3개월 등의 가변 기간 동안의 실측 데이터 세트를 구성할 수 있다. 본 실시예에서는 1일, 7일, 30일 동안의 실측 데이터 세트 3개를 구성하는 것으로 가정한다. 이러한 실측 데이터 세트의 수는 본 발명이 구현되는 시스템 사양에 따라 정해질 수 있다. 만약 시스템이 하드웨어 또는 소프트웨어적으로 매우 짧은 시간 안에 더 많은 수의 데이터 세트에 대한 계산을 수행할 수 있다면, 높은 정확성을 얻기 위해 데이터 세트의 수를 더 늘릴 수도 있다.
다음으로, 실측 데이터 세트 각각에 대해 회귀분석을 수행하여 3개의 회귀모형을 산출하고(S403), 이를 이용하여 구한 총인의 예측값과 실측값을 비교하여 정확도를 계산하며(S405), 계산 결과 정확도가 가장 높은 회귀모형을 예측모델로 선택한다(S407).
이와 같이, 기존의 측정 데이터에 기초한 총인 예측모델의 정확도가 떨어지는 경우에는 최근에 측정한 수질 일반항목과 총인 데이터를 이용하여 예측모델을 갱신함으로써 그 신뢰성을 보장할 수 있다. 특히, 최근의 데이터에 대해서도 그 기간을 달리한 다수의 실측 데이터 세트를 구성하고 그 중 정확성이 가장 높은 것을 선택함으로써 예측모델의 정확성 및 신뢰성을 더욱 높일 수 있게 된다.
위와 같은 방법으로 총인의 예측값의 변화를 파악함으로써 수질 일반항목의 측정 주기에 따라 하천수의 오염 여부를 판단할 수 있다. 즉, 최소 1시간 간격의 실측 총인에 의한 오염 여부 판단을 최소 5초 이내로 줄일 수가 있다. 또한, 최소 1시간 간격의 실측 총인 자료와의 정확성 제고를 통해 하천 오염 여부에 대한 판단의 신뢰성을 향상시키고, 그에 따른 수질 방재를 능동적으로 할 수 있다.
도 5는 본 발명에 의한 수질 일반항목을 이용한 총인 측정 시스템의 일 실시예 구성도이다.
도 5를 참조하면, 본 발명에 의한 수질 일반항목을 이용한 총인 측정 시스템은, 하천의 수질 일반항목을 측정하는 수질 측정부(501), 하천의 총인을 측정하는 총인 측정부(503), 측정된 수질 일반항목과 총인을 측정 시점에 대응시켜 데이터베이스화하는 측정 데이터 저장부(505), 및 하천의 수질 일반항목과 총인에 대한 일정 기간 동안의 측정 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하고, 수질 일반항목 중 상관도가 높은 상위항목을 선정하여 상기 총인과의 회귀분석을 통해 총인 예측모델을 산출하며, 수질 측정부(501)에서 실측된 수질 일반항목을 예측모델에 대입하여 총인을 예측하는 분석/계산부(507)를 포함한다.
수질 측정부(501)는 수질 센서 등의 형태로 하천 유역에 설치될 수 있으며, USN(Ubiquitous Sensor Network), CDMA, WCDMA, WLAN 등의 각종 유/무선 통신망을 통해 측정 데이터 저장부(505) 및 분석/계산부(507)와 데이터를 주고받을 수 있다. 수질 측정부(501)는 최소 5초 간격마다 다수의 수질 일반항목(수온, 전기전도도, 용존산소, 탁도, 엽록소, 산화환원도, 수소이온농도 등)을 측정할 수 있다.
총인 측정부(503)는 수질 측정부(501)와 함께 하천 유역에 설치되어 최소 1시간 간격마다 총인의 양을 측정할 수 있다.
측정 데이터 저장부(505)는 수질 측정부(501)와 총인 측정부(503)로부터 수집되는 실측 데이터를 저장한다. 이 때, 실측 데이터를 일정 기간, 예를 들어, 최근 실측 시점부터 12시간, 1일, 7일, 15일, 30일 등의 기간만큼의 데이터 세트로 구성하여 저장할 수 있다.
분석/계산부(507)는 수질 일반항목과 총인 데이터에 대한 각종 통계 분석, 총인 예측모델 산출, 실측된 수질 일반항목을 이용한 실시간 총인 예측 및 그 정확도 계산 등의 역할을 수행한다. 특히, 예측모델의 정확도가 소정값 이하인 경우에는 측정 기간을 달리한 다수의 실측 데이터 세트 각각에 대한 회귀모형을 산출하고, 산출된 회귀모형 각각의 정확도를 계산하여 정확도가 가장 높은 회귀모형을 새로운 예측모델로 선택, 예측모델을 갱신하는 역할을 수행한다.
이를 위해, 일정 기간 동안 측정되어 저장된 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하는 상관도 계산 모듈(511), 수질 일반항목 중 상관도가 높은 상위항목과 총인 간의 회귀분석 및 분산분석 등을 수행하는 회귀분석 모듈(513), 회귀분석을 통해 산출된 회귀모형과 예측모델 등의 정확도를 계산하는 정확도 계산 모듈(515) 및 산출된 회귀모형 중 정확한 총인 예측을 위한 예측모델을 결정 및 갱신하는 예측모델 결정 모듈(517)을 포함하여 구성될 수 있다.
본 발명의 기술사상은 상기 바람직한 실시예에 따라 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술분야의 통상의 전문가라면 본 발명의 기술사상의 범위 내에서 다양한 실시예가 가능함을 알 수 있을 것이다.

Claims (15)

  1. 기설정된 기간 동안의 수질 일반항목 데이터와 총인 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하는 단계;
    상기 계산 결과 상기 수질 일반항목 중 상관도가 높은 순으로 일부를 선정하는 단계;
    상기 선정된 일부와 상기 총인 간의 회귀분석을 통해 총인 예측모델을 산출하는 단계;
    상기 수질 일반항목을 실측하는 단계; 및
    상기 실측된 수질 일반항목을 상기 예측모델에 대입하여 총인을 예측하는 단계
    를 포함하는 수질 일반항목을 이용한 총인 측정 방법.
  2. 제 1항에 있어서,
    상기 예측모델 산출 단계는
    상기 선정된 일부를 독립변수로, 상기 총인을 종속변수로 두고 회귀분석을 수행하여 회귀모형을 산출하는 단계;
    상기 회귀모형에 대한 분산분석을 수행하는 단계;
    상기 분산분석 결과를 이용하여 상기 선정된 일부 중 상기 예측모델에 사용할 기준항목을 결정하는 단계; 및
    상기 기준항목에 대한 회귀계수를 산출하는 단계를 포함하는
    수질 일반항목을 이용한 총인 측정 방법.
  3. 제 1항에 있어서,
    상기 수질 일반항목은 수온, 전기전도도, 용존산소, 탁도, 엽록소, 산화환원도 및 수소이온농도를 포함하는
    수질 일반항목을 이용한 총인 측정 방법.
  4. 제 3항에 있어서,
    상기 수질 일반 항목 중 상관도가 높은 순으로 일부를 선정 단계에서는
    상기 7개의 수질 일반항목 중 상관도가 높은 순으로 1 내지 3개의 항목을 선정하는
    수질 일반항목을 이용한 총인 측정 방법.
  5. 기설정된 기간 동안의 수질 일반항목 데이터와 총인 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하는 단계;
    상기 계산 결과 상기 수질 일반항목 중 상관도가 높은 순으로 일부를 선정하는 단계;
    상기 선정된 일부와 상기 총인 간의 회귀분석을 통해 총인 예측모델을 산출하는 단계;
    제 1 시간마다 수질 일반항목을 실측하는 단계;
    상기 실측된 수질 일반항목을 상기 예측모델에 대입하여 상기 제 1 시간마다 총인을 예측하는 단계;
    상기 제 1 시간보다 큰 제 2 시간마다 총인을 실측하는 단계;
    상기 제 2 시간마다 상기 실측된 총인과 상기 제 2 시간 동안 예측된 총인의 평균을 비교하여 상기 예측모델의 정확도를 계산하는 단계; 및
    상기 정확도가 소정값 이하인 경우 상기 예측모델을 갱신하는 단계
    를 포함하는 수질 일반항목을 이용한 총인 측정 방법.
  6. 제 5항에 있어서,
    상기 예측모델 산출 단계는
    상기 선정된 일부를 독립변수로, 상기 총인을 종속변수로 두고 회귀분석을 수행하여 회귀모형을 산출하는 단계;
    상기 회귀모형에 대한 분산분석을 수행하는 단계;
    상기 분산분석 결과를 이용하여 상기 선정된 일부 중 상기 예측모델에 사용할 기준항목을 결정하는 단계; 및
    상기 기준항목에 대한 회귀계수를 산출하는 단계를 포함하는
    수질 일반항목을 이용한 총인 측정 방법.
  7. 제 6항에 있어서,
    상기 예측모델 갱신 단계는
    상기 총인의 최근 실측 시점부터 이전의 특정 시점까지의 상기 수질 일반항목과 상기 총인에 대한 실측 데이터 세트를 구성하는 단계; 및
    상기 실측 데이터 세트를 이용하여 상기 회귀계수를 재산출하는 단계를 포함하는
    수질 일반항목을 이용한 총인 측정 방법.
  8. 제 6항에 있어서,
    상기 예측모델 갱신 단계는
    상기 총인의 최근 실측 시점부터 상기 수질 일반항목과 상기 총인에 대한 측정 기간을 달리한 다수의 실측 데이터 세트를 구성하는 단계;
    상기 다수의 실측 데이터 세트 각각에 대한 회귀모형을 산출하고 정확도를 계산하는 단계; 및
    상기 계산 결과 정확도가 가장 높은 회귀모형을 상기 예측모델로 선택하는 단계를 포함하는
    수질 일반항목을 이용한 총인 측정 방법.
  9. 제 5항에 있어서,
    상기 제 1 시간의 최소값은 5초이고, 상기 제 2 시간의 최소값은 1시간인
    수질 일반항목을 이용한 총인 측정 방법.
  10. 제 5항에 있어서,
    상기 수질 일반항목은 수온, 전기전도도, 용존산소, 탁도, 엽록소, 산화환원도 및 수소이온농도를 포함하는
    수질 일반항목을 이용한 총인 측정 방법.
  11. 제 10항에 있어서,
    상기 수질 일반항목 중 상관도가 높은 순으로 일부를 선정 단계에서는
    상기 7개의 수질 일반항목 중 상관도가 높은 순으로 1 내지 3개의 항목을 선정하는
    수질 일반항목을 이용한 총인 측정 방법.
  12. 하천의 수질 일반항목을 측정하는 수질 측정부;
    상기 하천의 총인을 측정하는 총인 측정부;
    상기 측정된 수질 일반항목과 총인을 측정 시점에 대응시켜 데이터베이스화하는 측정 데이터 저장부; 및
    상기 하천의 수질 일반항목과 총인에 대한 기설정된 기간 동안의 측정 데이터를 이용하여 수질 일반항목과 총인 간의 상관도를 계산하고, 상기 수질 일반항목 중 상관도가 높은 순으로 일부를 선정하여 상기 선정된 일부와 상기 총인 간의 회귀분석을 통해 총인 예측모델을 산출하며, 상기 수질 측정부에서 실측된 수질 일반항목을 상기 예측모델에 대입하여 총인을 예측하는 분석/계산부
    를 포함하는 수질 일반항목을 이용한 총인 측정 시스템.
  13. 제 12항에 있어서,
    상기 수질 측정부는 제 1 시간마다 수질 일반항목을 실측하고,
    상기 총인 측정부는 상기 제 1 시간보다 큰 제 2 시간마다 총인을 실측하며,
    상기 분석/계산부는 상기 제 1 시간마다 상기 실측된 수질 일반항목을 상기 예측모델에 대입하여 총인을 예측하고, 상기 제 2 시간마다 상기 실측된 총인과 상기 제 2 시간 동안 예측된 총인의 평균을 비교하여 상기 예측모델의 정확도를 계산하는
    수질 일반항목을 이용한 총인 측정 시스템.
  14. 제 13항에 있어서,
    상기 측정 데이터 저장부는
    상기 총인의 최근 실측 시점부터 상기 수질 일반항목과 상기 총인에 대한 측정 기간을 달리한 다수의 실측 데이터 세트를 구성하는
    수질 일반항목을 이용한 총인 측정 시스템.
  15. 제 14항에 있어서,
    상기 분석/계산부는
    상기 예측모델의 정확도가 소정값 이하인 경우, 상기 다수의 실측 데이터 세트 각각에 대한 회귀모형을 산출하고, 상기 회귀모형 각각의 정확도를 계산하며, 상기 계산 결과 정확도가 가장 높은 회귀모형을 선택하여 상기 예측모델을 갱신하는
    수질 일반항목을 이용한 총인 측정 시스템.
KR1020110106015A 2011-01-11 2011-10-17 수질 일반항목을 이용한 총인 측정 방법 KR101588798B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US13/348,421 US20120179373A1 (en) 2011-01-11 2012-01-11 Method for measuring total phosphorus using multi-parameter water quality data

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020110002601 2011-01-11
KR20110002601 2011-01-11

Publications (2)

Publication Number Publication Date
KR20120081544A KR20120081544A (ko) 2012-07-19
KR101588798B1 true KR101588798B1 (ko) 2016-02-15

Family

ID=46713672

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110106015A KR101588798B1 (ko) 2011-01-11 2011-10-17 수질 일반항목을 이용한 총인 측정 방법

Country Status (1)

Country Link
KR (1) KR101588798B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102365665B1 (ko) * 2021-04-12 2022-02-23 한국건설기술연구원 하폐수 내 인 고도처리를 위한 응집제 주입농도 자동 제어장치 및 제어방법, 그리고, 응집제 주입농도 자동 제어가 가능한 하폐수처리 시스템

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101865587B1 (ko) * 2016-04-29 2018-06-11 연세대학교 산학협력단 수질내 미생물 유해성 실시간 모니터링 장치 및 방법
CN112836842A (zh) * 2019-11-25 2021-05-25 天津大学 基于“源-汇”风险分析的流域水环境质量预测方法及系统
KR102527744B1 (ko) * 2022-09-26 2023-05-02 주식회사 피에스글로벌 국가참조표준데이터를 활용한 냄새물질 예측 및 모니터링 장치 및 시스템
CN115728463A (zh) * 2022-12-01 2023-03-03 哈尔滨工业大学 一种基于半嵌入式特征选择的可解释性水质预测方法
KR102616969B1 (ko) * 2023-04-24 2023-12-27 주식회사 에이치코비 인공지능 기반 총질소 및 총인 측정용 스마트 센서 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
수질오염공정시험방법, 환경부고시 제2007-142호(2007.09.27)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102365665B1 (ko) * 2021-04-12 2022-02-23 한국건설기술연구원 하폐수 내 인 고도처리를 위한 응집제 주입농도 자동 제어장치 및 제어방법, 그리고, 응집제 주입농도 자동 제어가 가능한 하폐수처리 시스템

Also Published As

Publication number Publication date
KR20120081544A (ko) 2012-07-19

Similar Documents

Publication Publication Date Title
KR101588798B1 (ko) 수질 일반항목을 이용한 총인 측정 방법
US20120179373A1 (en) Method for measuring total phosphorus using multi-parameter water quality data
Pechlivanidis et al. Catchment scale hydrological modelling: A review of model types, calibration approaches and uncertainty analysis methods in the context of recent developments in technology and applications
Harrigan et al. Designation and trend analysis of the updated UK Benchmark Network of river flow stations: The UKBN2 dataset
Moriasi et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations
Guven et al. Genetic programming‐based empirical model for daily reference evapotranspiration estimation
CN112417788A (zh) 基于大数据的水环境污染分析系统及方法
CN111898691A (zh) 一种河流突发水污染预警溯源方法、系统、终端及介质
Song et al. Parameter identification and global sensitivity analysis of Xin'anjiang model using meta-modeling approach
Pesch et al. Mosses as bioindicators for metal accumulation: Statistical aggregation of measurement data to exposure indices
Seiller et al. Influence of three common calibration metrics on the diagnosis of climate change impacts on water resources
Zhou et al. A control chart based on likelihood ratio test for detecting patterned mean and variance shifts
Jiang et al. Quantification of uncertainty in estimated nitrate-N loads in agricultural watersheds
Rhoads Statistical models of fluvial systems
CN115685792B (zh) 基于流量阈值的废水间歇性排污口流量触发方法及装置
Tran et al. Quantification of predictive uncertainty with a metamodel: Toward more efficient hydrologic simulations
Zhang et al. A time-varying parameter estimation approach using split-sample calibration based on dynamic programming
Ardiansyah et al. Rain detection system for estimate weather level using Mamdani fuzzy inference system
Atkinson et al. Dominant physical controls on hourly flow predictions and the role of spatial variability: Mahurangi catchment, New Zealand
CN111126702A (zh) 道路面源污染信息预测方法、装置、设备及存储介质
Strickland et al. Introduction to the special section on resource selection
Oliveira et al. Environmental indicators of ecological integrity and their development for running waters in northern Portugal
CN108775921A (zh) 工业烟气在线连续监测装置
CN112287299A (zh) 河流健康变化定量归因方法、装置及系统
Rieckermann et al. Assessing wastewater micropollutant loads with approximate Bayesian computations

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190110

Year of fee payment: 4