KR101730979B1 - 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법 - Google Patents
유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR101730979B1 KR101730979B1 KR1020150183574A KR20150183574A KR101730979B1 KR 101730979 B1 KR101730979 B1 KR 101730979B1 KR 1020150183574 A KR1020150183574 A KR 1020150183574A KR 20150183574 A KR20150183574 A KR 20150183574A KR 101730979 B1 KR101730979 B1 KR 101730979B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- groundwater
- source
- location
- generation
- Prior art date
Links
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Abstract
유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법 및 그 시스템이 개시된다. 컴퓨터 네트워크 내에서 컴퓨터로 구현되는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법은, (i) 지하수가 오염된 지역의 공간 정보와 오염 정보를 이용하여 오염원의 정보를 분석하는 단계; (ii) 공간 정보와 오염 정보를 바탕으로 지하수 유동과 오염물질 거동에 대한 시뮬레이션을 수행하여 지하수 오염원 거동을 분석하는 단계; 및 (iii) 단계(i)에서 준비된 오염원의 위치 및 누출이력의 시나리오를 변경하면서 유전자 알고리즘을 이용하여 최적화를 수행하여 지하수 오염원의 위치를 규명하는 단계를 포함한다. 이에 따라, 지하수가 오염된 지역에서 관측되는 지하수 오염 정보를 바탕으로 지하수 오염원의 위치를 정확하게 규명하여 정화 사업의 효율성을 높이고, 오염에 대한 책임 소재를 명확히 하며, 정화 비용에 대한 합리적인 결정을 가능하게 할 수 있다.
Description
본 발명은 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 지하수가 오염된 지역에서 관측되는 지하수 오염 정보를 바탕으로 지하수 오염원의 위치 및 누출이력을 규명하기 위한 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법에 관한 것이다.
국내 많은 지역에서 지하수 오염이 심각하며, 오염된 지하수를 정화하는 지하수 정화에는 많은 비용과 시간이 요구된다. 지하수 오염 정화는 정확한 오염원 규명이 필요하며, 지하수 오염원에 대한 불충분한 자료는 지하수 정화 전략의 효율성을 떨어뜨리고 많은 비용을 초래한다. 환경적, 경제적 측면에서 합리적 판단기준을 제공할 수 있는 오염원 위치 및 누출이력에 대한 규명 기술의 개발이 필요하다.
일반적으로 지하수 오염원의 위치 규명 방법은 추적자 시험이나 동위원소 분석 등의 현장시험을 사용하는 방법과 수치해석을 사용하는 방법이 주로 사용된다.
현장시험 방법은 지하수 오염원의 위치를 찾기 위하여 현장에서 오랜 시간 분석하기에 시간과 비용이 많이 소모되는 단점이 있다.
수치해석 방법은 역산을 사용하는 방법과 최적화를 사용하는 방법이 있다.
역산을 사용하는 방법은 비유일성의 문제와 계산시간이 많이 소모된다는 단점이 있고, 최적화를 사용하는 방법은 최적화 기법의 종류에 따라 그 사용이 복잡하고 어렵다는 단점이 있다.
유전자 알고리즘을 사용하여 최적화 하는 방법은 그 사용이 단순하고 쉽다는 장점이 있다. 이에 유전자 알고리즘을 사용하여 최적화를 수행하여 지하수 오염원의 위치를 규명하는 방법을 개발할 필요가 있다.
이에 본 발명의 기술적 과제는 이러한 점에 착안한 것으로, 본 발명의 목적은 수치해석법의 일종인 유전자 알고리즘을 사용하여 지하수 유동이 복잡한 지역에서 관측되는 지하수 오염 정보를 바탕으로 지하수 오염원의 위치 및 누출이력을 정확하게 규명하게 할 수 있는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템을 제공하는 것이다.
본 발명의 다른 목적은 상기한 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템에 의한 지하수 오염원의 위치 규명 방법을 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위하여 일실시예에 따르면, 컴퓨터 네트워크 내에서 컴퓨터로 구현되는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법은, (i) 지하수가 오염된 지역의 공간 정보와 오염 정보를 이용하여 오염원의 정보를 분석하는 단계; (ii) 상기 공간 정보와 상기 오염 정보를 바탕으로 지하수 유동과 오염물질 거동에 대한 시뮬레이션을 수행하여 지하수 오염원 거동을 분석하는 단계; 및 (iii) 단계(i)에서 준비된 오염원의 위치 및 누출이력의 시나리오를 변경하면서 유전자 알고리즘을 이용하여 최적화를 수행하여 지하수 오염원의 위치를 규명하는 단계를 포함한다.
일실시예에서, 상기 공간 정보는 대수층의 3차원 공간적 위치 정보와 오염원의 가능한 위치에 대한 정보를 포함할 수 있다.
일실시예에서, 상기 공간 정보는 대수층의 투수성, 저유성을 포함하는 수리지질학적 특성을 포함할 수 있다.
일실시예에서, 상기 오염 정보는 오염물질의 농도 정보, 시간적 분포 정보, 공간적 분포 정보, 오염물질의 분산성, 흡착성 정보를 포함할 수 있다.
일실시예에서, 단계(iii)는, 지하수가 오염된 지역에서의 공간 정보와 오염 정보를 바탕으로 예상 가능한 위치와 누출이력으로 구성하여 유전자로 변형하는 단계; 상기 유전자를 사용하여 지하수 오염원의 위치와 누출이력이 다른 1세대 개체 집단을 생성하는 단계; 상기 1세대 개체 집단 전체에 대하여 오염 분포의 시간적, 공간적 정보를 획득하여 오염 분석 기준 자료와의 비교를 통해 지하수 오염 분포를 평가하는 단계; 상기 지하수 오염 분포 평가에서 오차가 가장 적은 개체를 최적의 1세대 개체를 선택하는 단계; 상기 1세대 개체 집단에서 선택된 2개의 유전자 정보를 이진코드로 간주하여 유전자 교배 작업 및 돌연변이 작업을 수행하는 단계; 상기 유전자 교배 작업과 상기 돌연변이 작업으로 생성된 이진코드를 다시 유전자로 구성하여 지하수 오염원의 위치 및 누출이력 정보를 생성하고 생성된 유전자들을 2세대 개체 집단으로 생성하는 단계; 2세대 개체 집단의 유전자를 바탕으로 입력된 지하수 오염원의 위치 및 누출이력에 따라 지하수 오염 분석을 통해 오염물질의 농도 분포를 바탕으로 2세대 개체 집단에서 최적 개체를 2개 선택하는 단계; 및 2세대 개체 집단에서 선택된 최적 개체와 1세대 개체 집단에서 선택된 최적 개체의 차이를 분석하여 종결 조건이 만족되면 최적화 과정을 통과한 유전자에서 지하수 오염원의 위치 및 누출이력을 출력하는 단계를 포함할 수 있다.
일실시예에서, 상기 최적의 1세대 개체를 선택하는 단계는 
(여기서, E는 결과가 확연히 드러나도록 설정되는 상수로서 알맞은 목적함수 값을 유지하기 위한 적절한 상수를 의미하고, c(xi, tj)는 위치 xi에서 시간 tj에 실제 오염 현장에서 관측된 오염물질의 농도를 의미하고, c*(xi, tj)는 위치 xi에서 시간 tj에 지하수 오염 분석 프로그램으로 계산된 오염물질의 농도를 의미한다.)의 수식으로 평가되는 목적함수의 값이 최대인 개체 2개를 선택하여 이루어질 수 있다.
상기한 본 발명의 목적을 실현하기 위하여 일실시예에 따른 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템은, 지하수가 오염된 지역의 공간 정보와 오염 정보를 이용하여 오염원의 정보를 분석하는 오염원 정보 분석 모듈; 상기 공간 정보와 상기 오염 정보를 바탕으로 지하수 유동과 오염물질 거동에 대한 시뮬레이션을 수행하여 지하수 오염원 거동을 분석하는 오염물질 거동 분석 모듈; 및 상기 오염원 정보 분석 모듈에 의해 준비된 오염원의 위치 및 누출이력의 시나리오를 변경하면서 유전자 알고리즘을 이용하여 최적화를 수행하여 지하수 오염원의 위치를 규명하는 오염원 위치 규명 모듈을 포함한다.
일실시예에서, 상기 오염원 위치 규명 모듈은, 지하수가 오염된 지역에서의 공간 정보와 오염 정보를 바탕으로 예상 가능한 위치와 누출이력으로 구성하여 유전자로 변형하는 유전자 변형부; 상기 유전자를 사용하여 지하수 오염원의 위치와 누출이력이 다른 1세대 개체 집단을 생성하는 1세대 개체 집단 생성부; 상기 1세대 개체 집단 전체에 대하여 오염 분포의 시간적, 공간적 정보를 획득하여 오염 분석 기준 자료와의 비교를 통해 지하수 오염 분포를 평가하는 평가부; 상기 지하수 오염 분포 평가에서 오차가 가장 적은 개체를 최적의 1세대 개체를 선택하는 1세대 개체 선택부; 상기 1세대 개체 집단에서 선택된 2개의 유전자 정보를 이진코드로 간주하여 유전자 교배 작업 및 돌연변이 작업을 수행하는 작업 수행부; 상기 유전자 교배 작업과 상기 돌연변이 작업으로 생성된 이진코드를 다시 유전자로 구성하여 지하수 오염원의 위치 및 누출이력 정보를 생성하고 생성된 유전자들을 2세대 개체 집단으로 생성하는 2세대 개체 집단 생성부; 2세대 개체 집단의 유전자를 바탕으로 입력된 지하수 오염원의 위치 및 누출이력에 따라 지하수 오염 분석을 통해 오염물질의 농도 분포를 바탕으로 2세대 개체 집단에서 최적 개체를 2개 선택하는 2세대 개체 선택부; 및 2세대 개체 집단에서 선택된 최적 개체와 1세대 개체 집단에서 선택된 최적 개체의 차이를 분석하여 종결 조건이 만족되면 최적화 과정을 통과한 유전자에서 지하수 오염원의 위치 및 누출이력을 출력하는 출력부를 포함할 수 있다.
일실시예에서, 상기 1세대 개체 선택부는,
(여기서, E는 결과가 확연히 드러나도록 설정되는 상수로서 알맞은 목적함수 값을 유지하기 위한 적절한 상수를 의미하고, c(xi, tj)는 위치 xi에서 시간 tj에 실제 오염 현장에서 관측된 오염물질의 농도를 의미하고, c*(xi, tj)는 위치 xi에서 시간 tj에 지하수 오염 분석 프로그램으로 계산된 오염물질의 농도를 의미한다.)의 수식으로 평가되는 목적함수의 값이 최대인 개체 2개를 선택할 수 있다.
이러한 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법에 의하면, 지하수가 오염된 지역에서 관측되는 지하수 오염 정보를 바탕으로 지하수 오염원의 위치를 정확하게 규명하여 정화 사업의 효율성을 높이고, 오염에 대한 책임 소재를 명확히 하며, 정화 비용에 대한 합리적인 결정을 가능하게 할 수 있다. 또한, 지하수 오염원의 위치에 대한 정보를 효율적으로 산출할 수 있으며, 다양한 지역에 적합하도록 보다 정확한 지하수 오염원의 위치 파악 동작을 수행할 수 있다.
도 1은 본 발명의 일실시예에 따른 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템을 설명하기 위한 블럭도이다.
도 2는 도 1에 도시된 오염원 위치 규명 모듈을 설명하기 위한 블록도이다.
도 3은 도 2에 도시된 유전자 변현부에 의한 유전자 변형 과정을 설명하기 위한 도면이다.
도 4는 유전자 알고리즘 프로그램과 지하수 오염 분석 프로그램 사이에서 적용되는 상호 관계를 설명하기 위한 블록도이다.
도 5는 본 발명의 일실시예에 따른 유전자 알고리즘을 이용한 지하수 오염원의 위치 및 누출이력을 규명하는 방법을 설명하기 위한 흐름도이다.
도 6은 도 5에 도시된 유전자 알고리즘을 이용하여 지하수 오염원 위치 및 누출이력을 규명하는 단계를 설명하기 위한 흐름도이다.
도 2는 도 1에 도시된 오염원 위치 규명 모듈을 설명하기 위한 블록도이다.
도 3은 도 2에 도시된 유전자 변현부에 의한 유전자 변형 과정을 설명하기 위한 도면이다.
도 4는 유전자 알고리즘 프로그램과 지하수 오염 분석 프로그램 사이에서 적용되는 상호 관계를 설명하기 위한 블록도이다.
도 5는 본 발명의 일실시예에 따른 유전자 알고리즘을 이용한 지하수 오염원의 위치 및 누출이력을 규명하는 방법을 설명하기 위한 흐름도이다.
도 6은 도 5에 도시된 유전자 알고리즘을 이용하여 지하수 오염원 위치 및 누출이력을 규명하는 단계를 설명하기 위한 흐름도이다.
이하, 첨부한 도면들을 참조하여, 본 발명을 보다 상세하게 설명하고자 한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하여 도시한 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 일실시예에 따른 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템을 설명하기 위한 블럭도이다.
도 1을 참조하면, 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템은 오염원 정보 분석 모듈(100), 오염물질 거동 분석 모듈(200) 및 오염원 위치 규명 모듈(300)을 포함한다. 본 실시예에서, 상기 위치 규명 시스템은 상기 오염원 정보 분석 모듈(100), 상기 오염물질 거동 분석 모듈(200) 및 상기 오염원 위치 규명 모듈(300)을 포함하는 것을 설명하였으나, 이는 설명의 편의를 위해 논리적으로 구분하였을 뿐 하드웨어적으로 구분한 것은 아니다.
상기 오염원 정보 분석 모듈(100)은 지하수가 오염된 지역의 공간 정보와 오염 정보를 이용하여 오염원의 정보를 분석한다.
상기 오염물질 거동 분석 모듈(200)은 상기 공간 정보와 상기 오염 정보를 바탕으로 지하수 유동과 오염물질 거동에 대한 시뮬레이션을 수행하여 지하수 오염원 거동을 분석한다.
상기 오염원 위치 규명 모듈(300)은 상기 오염원 정보 분석 모듈(100)에 의해 준비된 오염원의 위치 및 누출이력의 시나리오를 변경하면서 유전자 알고리즘을 이용하여 최적화를 수행하여 지하수 오염원의 위치를 규명한다. 상기한 유전자 알고리즘은 컴퓨터 네트워크 내에서 컴퓨터로 구현될 수 있다.
이상 설명된 오염원 정보 분석 모듈(100), 오염물질 거동 분석 모듈(200) 및 오염원 위치 규명 모듈(300)은 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
도 2는 도 1에 도시된 오염원 위치 규명 모듈(300)을 설명하기 위한 블록도이다.
도 1 및 도 2를 참조하면, 오염원 위치 규명 모듈(300)은 유전자 변형부(310), 1세대 개체 집단 생성부(320), 평가부(330), 1세대 개체 선택부(340), 작업 수행부(350), 2세대 개체 집단 생성부(360), 2세대 개체 선택부(370) 및 출력부(380)를 포함한다. 본 실시예에서, 상기 오염원 위치 규명 모듈(300)은 상기 유전자 변형부(310), 상기 1세대 개체 집단 생성부(320), 상기 평가부(330), 상기 1세대 개체 선택부(340), 상기 작업 수행부(350), 상기 2세대 개체 집단 생성부(360), 상기 2세대 개체 선택부(370) 및 상기 출력부(380)를 포함하는 것을 설명하였으나, 이는 설명의 편의를 위해 논리적으로 구분하였을 뿐 하드웨어적으로 구분한 것은 아니다. 상기 유전자 변형부(310), 상기 1세대 개체 집단 생성부(320), 상기 평가부(330), 상기 1세대 개체 선택부(340), 상기 작업 수행부(350), 상기 2세대 개체 집단 생성부(360), 상기 2세대 개체 선택부(370) 및 상기 출력부(380)는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다.
상기 유전자 변형부(310)는 지하수가 오염된 지역에서의 공간 정보와 오염 정보를 바탕으로 예상 가능한 위치와 누출이력으로 구성하여 유전자로 변형하고, 변형된 유전자를 상기 1세대 개체 집단 생성부(320)에 제공한다.
도 3은 도 2에 도시된 유전자 변현부에 의한 유전자 변형 과정을 설명하기 위한 도면이다. 도 3에서, 좌측에는 간략화된 유전자(Gene)가 도시되고, 우측에는 상기 유전자에 대응하여 변환된 이진코드를 도시된다. 여기서, 유전자의 상측열은 제1 나선에 대응할 수 있고, 유전자의 하측열은 제2 나선에 대응할 수 있으며, 제1 나선과 제2 나선은 실타래처럼 감겨져 이중 나선 구조를 형성할 수 있다. 본 실시예에서, 지하수가 오염된 지역에서의 공간 정보는 유전자의 상측열에 대응하는 상기 제1 나선에 대응하여 설정될 수 있고, 지하수의 오염 정보는 유전자의 하측열에 대응하는 상기 제2 나선에 대응하여 설정될 수 있다. 물론, 그 역도 가능하다.
도 3을 참조하면, 제1 나선의 유전자에 대응하는 이진코드의 LSB 2비트와 제2 나선의 유전자에 대응하는 이진코드의 LSB 2비트가 서로 교체된다. 즉, 제1 나선의 유전자에 대응하는 이진코드가 <101010>이고 제2 나선의 유전자에 대응하는 이진코드가 <010101>인 경우, 교배 과정을 통해 제1 나선의 유전자에 대응하는 이진코드는 <101001>이고 제2 나선의 유전자에 대응하는 이진코드는 <010110>이다.
이어, 제1 나선의 유전자에 대응하는 이진코드 중 다섯번째 비트와 제2 나선의 유전자에 대응하는 이진코드 중 다섯번째 비트를 서로 교체한다. 따라서, 제1 나선의 유전자에 대응하는 이진코드는 <101000>이고, 제2 나선의 유전자에 대응하는 이진코드는 <010111>이다.
도 2의 설명으로 환원하여, 상기 1세대 개체 집단 생성부(320)는 상기 유전자 변형부(310)에서 제공되는 상기 유전자를 사용하여 지하수 오염원의 위치와 누출이력이 다른 1세대 개체 집단을 생성한다.
상기 평가부(330)는 상기 1세대 개체 집단 생성부(320)에 의해 생성된 상기 1세대 개체 집단 전체에 대하여 오염 분포의 시간적, 공간적 정보를 획득하여 오염 분석 기준 자료와의 비교를 통해 지하수 오염 분포를 평가한다.
상기 1세대 개체 선택부(340)는 상기 지하수 오염 분포 평가에서 오차가 가장 적은 개체를 최적의 1세대 개체를 선택한다.
상기 작업 수행부(350)는 상기 1세대 개체 집단에서 선택된 2개의 유전자 정보를 이진코드로 간주하여 유전자 교배 작업 및 돌연변이 작업을 수행한다.
상기 2세대 개체 집단 생성부(360)는 상기 유전자 교배 작업과 상기 돌연변이 작업으로 생성된 이진코드를 다시 유전자로 구성하여 지하수 오염원의 위치 및 누출이력 정보를 생성하고 생성된 유전자들을 2세대 개체 집단으로 생성한다.
상기 2세대 개체 선택부(370)는 2세대 개체 집단의 유전자를 바탕으로 입력된 지하수 오염원의 위치 및 누출이력에 따라 지하수 오염 분석을 통해 오염물질의 농도 분포를 바탕으로 2세대 개체 집단에서 최적 개체를 2개 선택한다.
상기 출력부(380)는 2세대 개체 집단에서 선택된 최적 개체와 1세대 개체 집단에서 선택된 최적 개체의 차이를 분석하여 종결 조건이 만족되면 최적화 과정을 통과한 유전자에서 지하수 오염원의 위치 및 누출이력을 출력한다.
상기 오염원 정보 분석 모듈(100) 및 오염물질 거동 분석 모듈(200)은 지하수 오염 분석 프로그램으로 구현될 수 있고, 상기 오염원 위치 규명 모듈(300)은 유전자 알고리즘 프로그램으로 구현될 수 있다.
이하에서, 본 발명에서 기재되는 유전자 알고리즘 프로그램과 지하수 오염 분석 프로그램 사이에서 적용되는 상호 관계를 설명하면 다음과 같다.
도 4는 유전자 알고리즘 프로그램과 지하수 오염 분석 프로그램 사이에서 적용되는 상호 관계를 설명하기 위한 블록도이다.
도 4를 참조하면, 지하수 오염원의 위치 및 누출이력을 효율적으로 산출할 수 있으며, 다양한 지역에서 보다 정확한 지하수 오염원의 위치 및 누출이력 규명을 수행하기 위해, 유전자 알고리즘 프로그램(410)과 지하수 오염 분석 프로그램(420)을 활용한다.
본 실시예에서, 상기 유전자 알고리즘 프로그램(410)과 상기 지하수 오염 분석 프로그램(420)은 설명의 편의를 위해 논리적으로 구분한 것일 뿐 하드웨어적으로 구분한 것은 아니다. 상기 유전자 알고리즘 프로그램(410)과 상기 지하수 오염 분석 프로그램(420)은 서버나 컴퓨터와 같은 동일한 하드웨어에 탑재될 수도 있고, 서로 다른 하드웨어에 탑재될 수도 있다.
상기 유전자 알고리즘 프로그램(410)은 유전자 정보에서 지하수 오염원의 위치 및 누출이력을 포함하는 지하수 오염원 정보를 구성한다. 상기 지하수 오염원 정보는 상기 지하수 오염 분석 프로그램(420)에 입력된다.
상기 지하수 오염 분석 프로그램(420)은 수치해석 과정을 통하여 오염물질의 시간적, 공간적 분포를 포함하는 지하수 오염 분포 정보를 출력한다. 상기 지하수 오염 분포 정보는 상기 유전자 알고리즘 프로그램(410)에 입력되며 목적함수의 값을 계산하는데 사용된다. 계산된 목적함수의 값을 기준으로 최적의 개체가 선택되고, 최적의 유전자에 대하여 교배 작업과 돌연변이 작업이 수행된다.
새롭게 생성된 유전자 정보는 다시 지하수 오염원의 위치 및 누출이력으로 변환되어 상기 지하수 오염 분석 프로그램(420)에 입력 자료로 사용된다.
이러한 과정을 반복하면서 선택된 유전자 정보가 직전 세대의 정보에 비해 무시할 수 있는 수준보다 작으면, 즉 종결조건을 만족하면 최적화를 종결하고 최적의 유전자 정보에서 지하수 오염원의 위치 및 누출이력 정보로 변환되어 출력된다.
일반적으로, 유전자 알고리즘(Genetic Algorithm)은 자연의 진화 과정을 수치적으로 모사하여 최적의 개체를 얻는 것을 목적으로 하는 최적화 알고리즘의 일종이다. 기존의 미분 기반 최적화 알고리즘에 비해 다양한 문제로의 응용 가능성, 전역 탐색, 미분 정보의 불필요 등과 같은 장점을 갖는다. 유전자 알고리즘은 생물학적 진화론에 기반을 둔 최적화 알고리즘으로서 통상 초기 개체 생성, 적합도 계산, 선택(selection), 교배(crossover) 및 돌연변이(mutation)의 5단계로 이루어지는 것이 보통이다.
통상적으로 유전자 알고리즘 프로그램은 유전자 정보를 관리한다. 여기서, 유전자 정보는 생명체의 유전자 형태를 가지며, 각 비트 별로 정해진 의미를 가진다.
본 실시예에서, 상기 유전자 알고리즘 프로그램(410)은 상기 지하수 오염 분석 프로그램(420)에 필요한 설계정보를 유전자 정보의 형태로 바꾼 후 이를 선택, 치환 및 변이의 과정을 거쳐 후속세대의 유전자 정보로 재생성한다.
상기 유전자 알고리즘 프로그램(410)에서 생성된 유전자 정보는 다시 설계정보로 바뀌어 상기 지하수 오염 분석 프로그램(420)에 전달된다. 여기서, 설계정보는 상기 지하수 오염 분석 프로그램(420)의 입력파일 형태인 텍스트파일로 전달될 수 있다. 상기 설계정보는 지하수 오염원의 위치 및 누출이력 정보를 포함한다. 오염원의 위치는 공간좌표로 주어질 수 있고, 누출이력 정보는 오염 정보로서 오염물질의 농도, 분산성, 흡착성 등으로 주어질 수 있다.
한편, 상기 지하수 오염 분석 프로그램(420)이 설계정보를 요구할 수도 있다.
상기 지하수 오염 분석 프로그램(420)은 전달받은 설계정보를 사용하여 지하수오염을 평가한다. 평가된 결과는 상기 지하수 오염 분석 프로그램(420)의 출력형태인 텍스트파일로 변환되어 상기 유전자 알고리즘 프로그램(410)에 제공된다.
상기 유전자 알고리즘 프로그램(410)은 제공된 평가결과를 사용하여 각 세대의 각 개체에 의한 오염현황을 재평가한다. 이 과정에서 목적함수에 의한 평가가 진행된다. 상기 목적함수에 의한 평가는 후술키로 한다.
상기 유전자 알고리즘 프로그램(410)은 목적함수에 의한 평가치가 가장 높은 개체의 유전자 정보를 선택하고, 이를 바탕으로 새로운 세대의 유전자 정보를 생성한다.
도 5는 본 발명의 일실시예에 따른 유전자 알고리즘을 이용한 지하수 오염원의 위치 및 누출이력을 규명하는 방법을 설명하기 위한 흐름도이다.
도 5를 참조하면, 지하수가 오염된 지역의 공간 정보와 오염 정보를 이용하여 지하수 오염원의 정보를 분석한다(단계 S110). 여기서, 지하수가 오염된 지역의 3차원 공간 정보가 포함된다. 상기 공간 정보는 대수층의 3차원 공간적 위치 정보와 지하수 오염물질 거동 분석을 위한 사전 정보로 준비된다. 지하수 오염원의 위치와 누출이력 오염원의 가능한 위치에 대한 정보를 포함한다. 상기 공간 정보는 대수층의 수리지질학적 특성을 포함하며, 여기에는 대수층의 투수성, 저유성이 포함된다. 상기 오염 정보는 오염물질의 농도에 대한 정보를 포함하며, 시간적인 분포와 공간적인 분포를 포함한다. 상기 오염 정보는 오염물질의 특성인 분산성, 흡착성이 포함된다.
단계 S110에서 지하수가 오염된 지역의 공간적인 정보가 오염물질에 대한 정보와 결합되어 다음 단계는 가능한 모든 시나리오를 검토하여 여러 개의 가능한 지하수 오염원과 누출이력으로 제시된다.
이어, 지하수 오염 분석 프로그램(420)을 이용하여 지하수 오염원의 거동을 분석한다(단계 S120). 구체적으로, 단계 S110에서 준비된 공간 정보와 오염 정보를 바탕으로 오염물질 거동을 분석한다. 상기한 오염물질 거동의 분석은 지하수 오염 분석 프로그램(420)을 사용하여 수행된다. 오염물질 거동의 분석을 위하여 단계 S110에서 준비된 다양한 시나리오의 지하수 오염원 정보를 사용하고 이를 바탕으로 오염물질의 거동을 분석한다.
이어, 유전자 알고리즘 프로그램(410)을 이용하여 최적화하여 지하수 오염원의 위치 및 누출이력을 규명한다(단계 S130). 구체적으로, 단계 S110에서 준비된 지하수 오염원의 위치 및 누출이력의 시나리오를 변경하면서 유전자 알고리즘을 사용하여 최적화를 수행한다. 최적화가 수행된 후에 나온 유전자 정보를 바탕으로 지하수 오염원의 위치와 누출이력을 규명한다.
도 6은 도 5에 도시된 유전자 알고리즘을 이용하여 지하수 오염원 위치 및 누출이력을 규명하는 단계를 설명하기 위한 흐름도이다.
도 6을 참조하면, 지하수가 오염된 지역에서 공간 정보를 사용하여 지하수 오염 분석 프로그램(420)에 필요한 대수층의 규모, 위치, 투수성, 저유성에 관련된 입력 자료가 준비된다(단계 S205). 오염 정보를 사용하여 오염물질의 거동 특성인 분산성, 흡착성 및 반응성을 지하수 오염 분석 프로그램(420)의 입력 자료로 준비한다. 오염 지역에서 관측된 오염물질의 농도는 시간적, 공간적 정보로 분석되어 지하수 오염 분석 프로그램(420)에 <오염 분석 기준 자료>로서 입력된다.
지하수 오염원의 위치와 누출이력은 공간 정보와 오염 정보를 바탕으로 예상 가능한 위치와 누출이력으로 구성되어 유전자로 변형된다(단계 S210). 각 유전자는 서로 다른 지하수 오염원의 위치와 누출이력을 표현할 수 있도록 구성된다. 단계 S210은 도 2 및 도 3에서 설명된 유전자 변형부(310)에 의해 수행될 수 있다.
이어, 상기 유전자를 사용하여 지하수 오염원의 위치와 누출이력이 다른 1세대 개체 집단이 형성된다(단계 S220). 집단의 각 개체가 가지고 있는 유전자는 지하수 오염원의 위치와 누출이력에 대한 1개의 정보를 가지고 있으며 지하수 오염 분석 프로그램(420)의 입력자료로 사용된다. 단계 S220은 도 2에서 설명된 1세대 개체 집단 생성부(320)에 의해 수행될 수 있다.
이어, 단계 S220에서 형성한 1세대 개체 집단 전체에 대하여 지하수 오염 분석 프로그램(420)을 사용하여 오염 분포의 시간적, 공간적 정보가 획득된다(단계 S230). 이를 실제 현장에서 측정되어 입력되었던 <오염 분석 기준 자료>와 비교하여 오염 분포가 평가된다. 단계 S230은 도 2에서 설명된 평가부(330)에 의해 수행될 수 있다.
이어, 오염 분포 평가 결과에서 <오염 분석 기준 자료>와 오차가 가장 적은 개체가 최적 개체로 선택된다(단계 S240). 선택 방법은 다음의 수식 1로 평가되는 목적함수의 값이 최대인 개체를 2개 선택하는 것이다.
[수식 1]
여기서, E는 결과가 확연히 드러나도록 설정되는 상수로서 알맞은 목적함수 값을 유지하기 위한 적절한 상수를 의미하고, c(xi, tj)는 위치 xi에서 시간 tj에 실제 오염 현장에서 관측된 오염물질의 농도를 의미하고, c*(xi, tj)는 위치 xi에서 시간 tj에 지하수 오염 분석 프로그램(420)으로 계산된 오염물질의 농도를 의미한다. 특히, 대부분의 계산되는 항이 분모에 있으므로 최종 결과 값이 1보다 작아지면 계산된 차이가 잘 드러나지 않게 될 수 있다. 따라서, 계산된 결과가 잘 확인될 수 있도록 적절한 값을 넣어주기 위해 E 값이 이용된다.
단계 S240는 도 2에서 설명된 1세대 개체 선택부(340)에 의해 수행될 수 있다.
이어, 1세대 개체 집단에서 선택된 2개의 유전자 정보를 이진코드로 간주하여 유전자 교배 작업과 돌연변이 작업이 수행된다(단계 S250). 예를 들어, 선택된 이진코드가 <1000>와 <0001>이라면 교배 작업을 통하여 <1001>과 <0000>을 만들 수 있다. 또한 돌연변이 작업을 통하여 <1001>을 <1101>, <1011>, <0110> 등으로 변경할 수 있다. 단계 S250는 도 2에서 설명된 작업 수행부(350)에 의해 수행될 수 있다.
이어, 유전자 교배 작업과 돌연변이 작업으로 생성된 이진코드를 다시 유전자로 구성하여 지하수 오염원의 위치 및 누출이력 정보로 생성되고 생성된 유전자들은 2세대 개체 집단으로 구성된다(단계 S260). 단계 S260은 도 2에서 설명된 2세대 개체 집단 생성부(360)에 의해 수행될 수 있다.
이어, 단계 S260에서 구성된 2세대 개체 집단의 유전자를 바탕으로 입력된 지하수 오염원의 위치 및 누출이력에 따라 지하수 오염 분석 프로그램(420)이 수행된다(단계 S270).
이어, 단계 S270에서 수행된 오염물질 거동 분석 결과에 따라 오염물질의 농도 분포를 바탕으로(단계 S240에서와 같이) 2세대 개체 집단에서 최적 개체 2개가 선택된다(단계 S280). 단계 S280는 도 2에서 설명된 2세대 개체 선택부(370)에 의해 수행될 수 있다.
이어, 단계 S280에서 선택된 2세대 개체에서 선택된 최적 개체와 1세대 개체에서 선택된 최적 개체의 차이를 분석하여 종결조건이 만족되는지의 여부가 체크된다(단계 S290). 상기한 단계 S290의 분석 결과에서 두 세대의 최적 개체 사이의 차이의 절대값이 종결조건보다 작으면 최적화가 멈추고 최적 개체가 선택된다. 단계 S290은 도 2에서 설명된 출력부(380)에 의해 수행될 수 있다.
반면에, 두 세대의 최적 개체 사이의 차이의 절대 값이 종결조건보다 크면 다시 단계 S250으로 피드백되어 선택된 유전자에 대하여 교배 작업과 돌연변이 작업이 다시 수행된다. 이후에 단계 S260의 작업, 단계 S270의 작업 및 단계 S280의 작업을 수행한 후에 종결조건이 비교된다. 이와 같은 작업은 유전자 알고리즘을 사용한 최적화 과정이다.
이어, 단계 S290에서 종결조건이 만족되는 것으로 체크되면, 유전자 알고리즘을 사용한 최적화 과정을 통과한 유전자에서 지하수 오염원의 위치 및 누출이력이 출력된다(단계 S295). 상기한 출력된 지하수 오염원의 위치 및 누출이력은 실제 지하수 오염 현장에서 예상되는 최적의 지하수 오염원의 위치 및 누출이력으로 결정된다. 단계 S295는 도 2에서 설명된 출력부(380)에 의해 수행될 수 있다.
이상에서는 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
이상에서 설명한 바와 같이, 본 발명에 따르면, 지하수 오염 정화에 대한 설계 및 비용 산정을 할 수 있고, 지하수가 오염된 지역에서 발생하는 오염 책임 소재 및 정화 비용 결정에 용이하게 사용될 수 있다. 즉, 본 발명에 따른 유전자 알고리즘 프로그램에 의하면, 지하수 오염원의 위치 및 누출이력 정보가 텍스트 파일의 형태로 출력되며, 지하수 오염 지역에서 가장 최적의 지하수 오염원의 위치 및 누출이력으로 선택된다.
이를 바탕으로 지하수 오염 지역에서 정화 사업이 진행되는 경우에 지하수 오염원의 위치에 해당하는 기관이나 회사에서 지하수 오염원에 대한 책임과 정화 비용을 책임지도록 지시하는 것이 가능하다.
100 : 오염원 정보 분석 모듈 200 : 오염물질 거동 분석 모듈
300 : 오염원 위치 규명 모듈 310 : 유전자 변형부
320 : 1세대 개체 집단 생성부 330 : 평가부
340 : 1세대 개체 선택부 350 : 작업 수행부
360 : 2세대 개체 집단 생성부 370 : 2세대 개체 선택부
380 : 출력부 410: 유전자 알고리즘 프로그램
420: 지하수 오염 분석 프로그램
300 : 오염원 위치 규명 모듈 310 : 유전자 변형부
320 : 1세대 개체 집단 생성부 330 : 평가부
340 : 1세대 개체 선택부 350 : 작업 수행부
360 : 2세대 개체 집단 생성부 370 : 2세대 개체 선택부
380 : 출력부 410: 유전자 알고리즘 프로그램
420: 지하수 오염 분석 프로그램
Claims (9)
- 컴퓨터 네트워크 내에서 컴퓨터로 구현되는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법에서,
(i) 오염원 정보 분석 모듈은 지하수가 오염된 지역의 공간 정보와 오염 정보를 이용하여 오염원의 정보를 분석하는 단계;
(ii) 오염물질 거동 분석 모듈은 상기 공간 정보와 상기 오염 정보를 바탕으로 지하수 유동과 오염물질 거동에 대한 시뮬레이션을 수행하여 지하수 오염원 거동을 분석하는 단계; 및
(iii) 오염원 위치 규명 모듈은 단계(i)에서 준비된 오염원의 위치 및 누출이력의 시나리오를 변경하면서 유전자 알고리즘을 이용하여 지하수 오염원의 위치 및 누출이력 정보를 규명하는 단계를 포함하되, 단계(iii)는
지하수가 오염된 지역에서의 공간 정보와 오염 정보를 바탕으로 유전자 변형부는 예상 가능한 위치와 누출이력으로 구성하여 유전자로 변형하는 단계;
1세대 개체 집단 생성부는 상기 유전자를 사용하여 지하수 오염원의 위치와 누출이력이 다른 1세대 개체 집단을 생성하는 단계;
평가부는 상기 1세대 개체 집단 전체에 대하여 오염 분포의 시간적, 공간적 정보를 획득하여 오염 분석 기준 자료와의 비교를 통해 지하수 오염 분포를 평가하는 단계; 및
1세대 개체 선택부는 상기 지하수 오염 분포 평가에서 오차가 가장 적은 1세대 개체를 선택하는 단계를 포함하고, 상기 1세대 개체를 선택하는 단계는
(여기서, E는 결과가 확연히 드러나도록 설정되는 상수로서 알맞은 목적함수 값을 유지하기 위한 상수를 의미하고, c(xi, tj)는 위치 xi에서 시간 tj에 실제 오염 현장에서 관측된 오염물질의 농도를 의미하고, c*(xi, tj)는 위치 xi에서 시간 tj에 지하수 오염 분석 프로그램으로 계산된 오염물질의 농도를 의미한다.)의 수식으로 평가되는 목적함수의 값이 최대인 개체 2개를 선택하여 이루어지는 것을 특징으로 하는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법. - 제1항에 있어서, 상기 공간 정보는 대수층의 3차원 공간적 위치 정보와 오염원의 가능한 위치에 대한 정보를 포함하는 것을 특징으로 하는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법.
- 제1항에 있어서, 상기 공간 정보는 대수층의 투수성, 저유성을 포함하는 수리지질학적 특성을 포함하는 것을 특징으로 하는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법.
- 제1항에 있어서, 상기 오염 정보는 오염물질의 농도 정보, 시간적 분포 정보, 공간적 분포 정보, 오염물질의 분산성, 흡착성 정보를 포함하는 것을 특징으로 하는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법.
- 제1항에 있어서, 단계(iii)는
작업 수행부는 상기 1세대 개체 집단에서 선택된 2개의 유전자 정보를 이진코드로 간주하여 유전자 교배 작업 및 돌연변이 작업을 수행하는 단계;
2세대 개체 집단 생성부는 상기 유전자 교배 작업과 상기 돌연변이 작업으로 생성된 이진코드를 다시 유전자로 구성하여 지하수 오염원의 위치 및 누출이력 정보를 생성하고 생성된 유전자들을 2세대 개체 집단으로 생성하는 단계;
2세대 개체 선택부는 2세대 개체 집단의 유전자를 바탕으로 입력된 지하수 오염원의 위치 및 누출이력에 따라 지하수 오염 분석을 통해 오염물질의 농도 분포를 바탕으로 2세대 개체 집단에서 개체를 2개 선택하는 단계; 및
출력부는 2세대 개체 집단에서 선택된 개체와 1세대 개체 집단에서 선택된 개체의 차이를 분석하여 그 차이가 설정된 무시할 수 있는 수준 보다 작은 것으로 체크되면 상기 2세대 개체 집단의 유전자에서 지하수 오염원의 위치 및 누출이력을 출력하는 단계를 더 포함하는 것을 특징으로 하는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 방법. - 삭제
- 지하수가 오염된 지역의 공간 정보와 오염 정보를 이용하여 오염원의 정보를 분석하는 오염원 정보 분석 모듈;
상기 공간 정보와 상기 오염 정보를 바탕으로 지하수 유동과 오염물질 거동에 대한 시뮬레이션을 수행하여 지하수 오염원 거동을 분석하는 오염물질 거동 분석 모듈; 및
상기 오염원 정보 분석 모듈에 의해 준비된 오염원의 위치 및 누출이력의 시나리오를 변경하면서 유전자 알고리즘을 이용하여 지하수 오염원의 위치 및 누출이력 정보를 규명하는 오염원 위치 규명 모듈을 포함하되,
상기 오염원 위치 규명 모듈은,
지하수가 오염된 지역에서의 공간 정보와 오염 정보를 바탕으로 예상 가능한 위치와 누출이력으로 구성하여 유전자로 변형하는 유전자 변형부;
상기 유전자를 사용하여 지하수 오염원의 위치와 누출이력이 다른 1세대 개체 집단을 생성하는 1세대 개체 집단 생성부;
상기 1세대 개체 집단 전체에 대하여 오염 분포의 시간적, 공간적 정보를 획득하여 오염 분석 기준 자료와의 비교를 통해 지하수 오염 분포를 평가하는 평가부; 및
상기 지하수 오염 분포 평가에서 오차가 가장 적은 1세대 개체를 선택하는 1세대 개체 선택부를 포함하고, 상기 1세대 개체 선택부는
(여기서, E는 결과가 확연히 드러나도록 설정되는 상수로서 알맞은 목적함수 값을 유지하기 위한 상수를 의미하고, c(xi, tj)는 위치 xi에서 시간 tj에 실제 오염 현장에서 관측된 오염물질의 농도를 의미하고, c*(xi, tj)는 위치 xi에서 시간 tj에 지하수 오염 분석 프로그램으로 계산된 오염물질의 농도를 의미한다.)의 수식으로 평가되는 목적함수의 값이 최대인 개체 2개를 선택하는 것을 특징으로 하는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템. - 제7항에 있어서, 상기 오염원 위치 규명 모듈은,
상기 1세대 개체 집단에서 선택된 2개의 유전자 정보를 이진코드로 간주하여 유전자 교배 작업 및 돌연변이 작업을 수행하는 작업 수행부;
상기 유전자 교배 작업과 상기 돌연변이 작업으로 생성된 이진코드를 다시 유전자로 구성하여 지하수 오염원의 위치 및 누출이력 정보를 생성하고 생성된 유전자들을 2세대 개체 집단으로 생성하는 2세대 개체 집단 생성부;
2세대 개체 집단의 유전자를 바탕으로 입력된 지하수 오염원의 위치 및 누출이력에 따라 지하수 오염 분석을 통해 오염물질의 농도 분포를 바탕으로 2세대 개체 집단에서 개체를 2개 선택하는 2세대 개체 선택부; 및
2세대 개체 집단에서 선택된 개체와 1세대 개체 집단에서 선택된 개체의 차이를 분석하여 그 차이가 설정된 무시할 수 있는 수준보다 작은 것으로 체크되면 상기 2세대 개체 집단의 유전자에서 지하수 오염원의 위치 및 누출이력을 출력하는 출력부를 더 포함하는 것을 특징으로 하는 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150183574A KR101730979B1 (ko) | 2015-12-22 | 2015-12-22 | 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150183574A KR101730979B1 (ko) | 2015-12-22 | 2015-12-22 | 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101730979B1 true KR101730979B1 (ko) | 2017-04-27 |
Family
ID=58702710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150183574A KR101730979B1 (ko) | 2015-12-22 | 2015-12-22 | 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101730979B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200116282A (ko) | 2019-04-01 | 2020-10-12 | 국방과학연구소 | 오염원 위치 추정 장치 및 방법 |
| CN113203691A (zh) * | 2021-05-06 | 2021-08-03 | 福建省水利水电科学研究院 | 一种基于小波分析的水质污染物溯源方法 |
| CN113239598A (zh) * | 2021-06-08 | 2021-08-10 | 中国环境科学研究院 | 一种应用数值模拟的地下水污染源空间综合识别方法 |
| CN115541834A (zh) * | 2022-08-17 | 2022-12-30 | 中国地质大学（北京） | 地下水污染源位置识别方法及装置、电子设备、存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100794589B1 (ko) * | 2007-02-27 | 2008-01-17 | 인하대학교 산학협력단 | 지아이에스를 이용한 수질오염부하산정 의사결정지원시스템및 그 운영방법 |
| KR101474704B1 (ko) * | 2014-03-28 | 2014-12-22 | 주식회사 지오그린이십일 | 유전자 알고리즘을 이용한 양수처리 최적화 방법 및 시스템 |
-
2015
- 2015-12-22 KR KR1020150183574A patent/KR101730979B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100794589B1 (ko) * | 2007-02-27 | 2008-01-17 | 인하대학교 산학협력단 | 지아이에스를 이용한 수질오염부하산정 의사결정지원시스템및 그 운영방법 |
| KR101474704B1 (ko) * | 2014-03-28 | 2014-12-22 | 주식회사 지오그린이십일 | 유전자 알고리즘을 이용한 양수처리 최적화 방법 및 시스템 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200116282A (ko) | 2019-04-01 | 2020-10-12 | 국방과학연구소 | 오염원 위치 추정 장치 및 방법 |
| CN113203691A (zh) * | 2021-05-06 | 2021-08-03 | 福建省水利水电科学研究院 | 一种基于小波分析的水质污染物溯源方法 |
| CN113239598A (zh) * | 2021-06-08 | 2021-08-10 | 中国环境科学研究院 | 一种应用数值模拟的地下水污染源空间综合识别方法 |
| CN113239598B (zh) * | 2021-06-08 | 2023-08-22 | 中国环境科学研究院 | 一种应用数值模拟的地下水污染源空间综合识别方法 |
| CN115541834A (zh) * | 2022-08-17 | 2022-12-30 | 中国地质大学（北京） | 地下水污染源位置识别方法及装置、电子设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101730979B1 (ko) | 유전자 알고리즘을 이용한 지하수 오염원의 위치 규명 시스템 및 그 방법 | |
| Chadalavada et al. | Dynamic optimal monitoring network design for transient transport of pollutants in groundwater aquifers | |
| Gerstenberger et al. | Bi-directional risk assessment in carbon capture and storage with Bayesian Networks | |
| CN109635010B (zh) | 一种用户特征及特征因子抽取、查询方法和系统 | |
| CN116362569B (zh) | 一种场地污染的多维度评估方法及系统 | |
| Aranha et al. | Optimization of oil reservoir models using tuned evolutionary algorithms and adaptive differential evolution | |
| Opara et al. | Defect detection on asphalt pavement by deep learning | |
| Kraemer et al. | Optimal state space reconstruction via Monte Carlo decision tree search | |
| Bode et al. | Search space representation and reduction methods to enhance multiobjective water supply monitoring design | |
| KR101703972B1 (ko) | 공간정보를 이용한 지하수 부존 지역 예측시스템 및 지하수 부존 지역 예측방법 | |
| US10209403B2 (en) | Method of modelling a subsurface volume | |
| CN104536880B (zh) | 基于符号执行的gui程序测试用例扩增方法 | |
| Luo et al. | Groundwater pollution source identification using Metropolis-Hasting algorithm combined with Kalman filter algorithm | |
| Beig Zali et al. | Semisupervised Clustering Approach for Pipe Failure Prediction with Imbalanced Data Set | |
| Tarsitano | Comparing estimation methods for the FPLD | |
| Hosnieh et al. | A Novel Approach to Program Comprehension Process Using Slicing Techniques. | |
| Paly et al. | Optimization under worst case constraints—a new global multimodel search procedure | |
| Nguyen et al. | Genetic algorithms applied to affordance based design | |
| Yu et al. | An advanced point estimate method for uncertainty and sensitivity analysis using nataf transformation and dimension-reduction integration | |
| Amirabdollahian et al. | Application of simulated annealing and adaptive simulated annealing in search for efficient optimal solutions of a groundwater contamination related problem | |
| Shin et al. | Development of Quantitative Evaluation System for PPS (Physical Protection System) using BIM-based 3D Network | |
| Nolle et al. | Simulation Of Submarine Groundwater Discharge Of Dissolved Organic Matter Using Cellular Automata. | |
| Zafar et al. | An Optimization Approach for Convolutional Neural Network Using Non-Dominated Sorted Genetic Algorithm-II. | |
| Van Hoey | Development and application of a framework for model structure evaluation in environmental modelling | |
| Mzembegwa et al. | A Comparison of Fully-Linear Deep Learning Methods for Pipe Burst Localization in Water Distribution Networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |