KR101988317B1 - 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 - Google Patents
인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 Download PDFInfo
- Publication number
- KR101988317B1 KR101988317B1 KR1020180091455A KR20180091455A KR101988317B1 KR 101988317 B1 KR101988317 B1 KR 101988317B1 KR 1020180091455 A KR1020180091455 A KR 1020180091455A KR 20180091455 A KR20180091455 A KR 20180091455A KR 101988317 B1 KR101988317 B1 KR 101988317B1
- Authority
- KR
- South Korea
- Prior art keywords
- dust
- measuring
- data
- artificial intelligence
- measurement target
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 65
- 238000007405 data analysis Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 239000002994 raw material Substances 0.000 claims abstract description 24
- 230000009467 reduction Effects 0.000 claims abstract description 12
- 230000005855 radiation Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000013523 data management Methods 0.000 claims description 26
- 238000007689 inspection Methods 0.000 claims description 25
- 238000007667 floating Methods 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000003915 air pollution Methods 0.000 claims description 6
- 238000000790 scattering method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000002787 reinforcement Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 20
- 230000006698 induction Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 4
- 238000000149 argon plasma sintering Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 238000007636 ensemble learning method Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0096—Investigating consistence of powders, dustability, dustiness
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Dispersion Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
본 발명은 주로 원료야드 및 원료이송과정에서 발생하는 비산먼지를 측정하거나 예측하는 장치로서, 측정 대상지역의 지상이나 대기중의 풍속, 일사량, 대기압 및 온습도를 측정하는 기상요소 검측부재; 측정 대상지역의 시정에 영향을 주는 부유물질 또는 부유물질에 의한 유도전하량을 측정하는 먼지유관 검측부재; 측정 대상지역의 지상에서 발생하는 작업활동에 의한 진동, 소음과 원료 및 원료야드의 표면온도를 검측하는 작업요소 검측부재; 상기 기상요소 검측부재, 먼지유관 검측부재 및 작업요소 검측부재에서 획득한 데이터와 비교하여 학습할 수 있는 참값 검측 및 수집부재; 저감설비 운영상태를 파악할 수 있는 설비운영 검측부재; 상기 검측부재들과 상기 수집부재의 데이터를 수집하고 저장할 수 있는 데이터 관리서버; 및 상기 데이터 관리서버에 연계되어 데이터를 인공지능 알고리즘에 기반하여 현재의 비산먼지 농도를 산출하고 장래의 비산먼지 발생량을 예측하며, 저감설비의 설정된 운영값을 제시하는 인공지능 소프트웨어가 구비된 자료분석유닛;을 포함하는 것을 특징으로 한다.
Description
본 발명은 비산먼지를 측정하고 예측하는 장치 및 방법에 관한 것으로, 보다 상세하게는 비산먼지를 발생시키는 기상요소, 먼지유관 요소, 작업환경 요소 측정값을 수집하고 수집된 데이터에 대한 인공지능 학습을 통해 현시점의 비산먼지 측정값으로 환산하며, 더 나아가 미래의 비산먼지 측정값을 산출하는 장치 및 그 방법에 관한 것이다.
근래에 들어 환경오염이 심각해짐에 따라 각종 오염에 대한 규제조치가 강화되고 있는 바, 특히 대기(大氣) 중에 에어로졸 상태로 떠 있는 액체나 고체 입자 물질은 환경보전법에서도 규정하고 있는 대기오염 물질의 하나로서, 다른 오염물, 예를 들면 황산화물, 질소산화물, 습기 등과 복합적으로 작용하여 생태계는 물론 건축물에까지 심각한 피해를 입힌다.
특히 그 직경이 0.2∼0.5㎛인 미립자는 인체의 호흡기관에 침투하여 암을 유발하거나 유전적인 변이를 일으킬 수 있는데, 이러한 입자상 물질(먼지)은 그 직경이 대단히 작아 육안으로는 도저히 식별할 수 없어, 이를 측정하기 위한 방법이 필요하게 되었고, 이에 일반적으로 알려진 하이볼륨 에어 샘플러법과 불투명법 등의 방법이 사용되고 있다.
먼저 하이볼륨 에어 샘플러법이란 유리섬유 등의 여과지를 가진 필터, 훔인 펌프, 유량계 등으로 구성되는 측정장치를 사용하여, 흡입 유량을 보통 1.5-1.6m3/min으로 하고, 채취시간 24시간 동안 시료를 채취하여 항온실에 1-2일간 방치한 후 측량하고, 흡입 전후의 중량차 또는 채취 대기량으로부터 농도를 ug/m3 또는 mg/m3의 단위로 산출하는 방법이다.
이 방법은 구조나 취급이 간단하여 부유 먼지의 측정에 많이 쓰이고 있으나, 시료채취 시간에 24시간이 필요하여 하루 중 평균농도 밖에 나타낼 수 없으며, 이의 분석을 하는데 시간이 오래 걸리는 단점이 있다. 특히 단시간내의 먼지농도나 순간적으로 먼지농도가 변하는 상황을 표시할 수 없어 실시간의 먼지변화를 파악하는 데에는 사용할 수 없는 문제점이 있다.
또 다른 먼지측정방법으로, 일명 링겔만 매연 농도표시방법이라고도 불리는 불투명법으로서, 이는 입자상 물질이 건물로부터 제일 많이 새어나오는 곳을 측정위치로 하여 측정자가 대상장소로부터 분명하게 관측할 수 있는 거리(1km 이내)에서 링겔만 매연 농도표와 비교하여 30초 간격으로 비탁도를 측정한 다음, 불투명도 측정용지에 기록하는 방법이다. 이때 비탁도는 최소 0.5도 단위로 측정값을 기록하며, 비탁도에 20%를 곱한 값을 불투명도 값으로 한다.
그러나 이러한 불투명법에 의한 먼지측정 방법은 비교적 간편한 장점을 가지고 있지만, 판정자의 주관적 요소가 개입될소지가 있을 뿐만 아니라, 하이 볼륨-에어 샘플러법과 마찬가지로 실시간의 먼지농도를 측정할 수 없는 문제점들을 가지고 있다.
또한, 기존 자료 분석 결과 비산먼지 문제와 기상(풍향, 풍속)간 상관성 분석에 의존하여 비산먼지 대 미세먼지의 구별이 어려우며, 비산먼지의 직접적 측정은 고농도 상황으로 미세먼지 측정기의 신뢰성 및 내구성에 문제가 발생할 수 있고, 비산먼지 농도와 대기오염측정값의 상관성이 부족하다.
또한, 미세먼지 측정 방식으로 기존에는 광투과 방식이나 광산란 방식이 많이 쓰이는데 광산란 방식 먼지측정은 낮은 샘플링유량(1L/min), 고농도에 광산란 챔버 오염발생 등으로 신뢰성 낮은 문제가 있으며, 광투과 방식 비산먼지측정은 PM10 농도 측정 불가하고(비산발생 현장설치시 적용가능 장비), 크기 및 무게가 과다하다는 문제가 있다.
따라서, 본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명이 해결하고자 하는 과제는 우선, 비산먼지가 발생하기 사전에 비산먼지의 발생을 예측함으로써, 비산먼지 발생을 억제할 수 있는 살수, 방진 등의 저감조치를 적절하게 사전 조치하여 비산먼지 발생에 의한 대기오염을 저감함과 동시에 원료 등의 손실을 최소화할 수 있는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법을 제공하는 것이다.
본 발명의 또 다른 목적은, 비산먼지 발생예측의 정확도를 향상시키기 위하여 인근지역의 대기오염 공공데이터 등과 같은 데이터를 함께 활용할 수 있는 인공지능 알고리즘을 적용하여, 측정 신뢰성을 확보할 수 있는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법을 제공하는 것이다.
본 발명의 또 다른 목적은, 살수, 방진 등의 저감활동 관련 요소를 함께 검측하여 저감조치에 따른 발생량을 인공지능을 활용하여 학습함으로써, 궁극적으로 예측된 비산먼지의 농도에 따른 적절한 조감조치의 작업방법(일례로 최적 살수량 제시)을 사전에 제시할 수 있는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법을 제공하는 것이다.
다만, 본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명은 상기와 같은 종래기술의 문제점을 개선하기 위하여 창출된 것으로, 주로 원료야드 및 원료이송과정에서 발생하는 비산먼지를 측정하거나 예측하는 장치로서, 측정 대상지역의 지상이나 대기중의 풍속, 일사량, 대기압 및 온습도를 측정하는 기상요소 검측부재; 측정 대상지역의 시정에 영향을 주는 부유물질 또는 부유물질에 의한 유도전하량을 측정하는 먼지유관 검측부재; 측정 대상지역의 지상에서 발생하는 작업활동에 의한 진동, 소음과 원료 및 원료야드의 표면온도를 검측하는 작업요소 검측부재; 상기 기상요소 검측부재, 먼지유관 검측부재 및 작업요소 검측부재에서 획득한 데이터와 비교하여 학습할 수 있는 참값 검측 및 수집부재; 저감설비 운영상태를 파악할 수 있는 설비운영 검측부재; 상기 검측부재들과 상기 수집부재의 데이터를 수집하고 저장할 수 있는 데이터 관리서버; 및 상기 데이터 관리서버에 연계되어 데이터를 인공지능 알고리즘에 기반하여 현재의 비산먼지 농도를 산출하고 장래의 비산먼지 발생량을 예측하며, 저감설비의 설정된 운영값을 제시하는 인공지능 소프트웨어가 구비된 자료분석유닛;을 포함할 수 있다.
또한, 상기 자료분석 유닛의 인공지능 알고리즘은, 딥러닝, 판단트리 및 랜덤 포레스트의 방식으로 상기 데이터 관리서버에 수집된 자료를 분석하고 연산할 수 있다.
또한, 상기 기상요소 검측부재는, 측정 대상지역의 대기중에서 발생하는 바람의 풍향과 풍속을 입체적으로 측정하는 3차원 풍향풍속기; 측정 대상지역의 지상이나 대기로 입사되는 태양의 일사량을 측정하는 일사량 측정기; 측정 대상지역 대기의 대기압을 측정하는 대기압 측정기; 및 측정 대상지역의 지상이나 대기의 온도와 습도를 측정하는 대기온습도 측정기;를 포함할 수 있다.
또한, 상기 먼지유관 검측부재는, 측정 대상지역 대기의 시정에 영향을 주는 부유물질을 포워드 스캐터링 방식으로 측정하여 측정값을 거리로 출력하는 시정측정기; 및 측정 대상지역의 부유물질을 흡입하여 이동하는 부유물질에 하전특성에 따라 유도되는 전류량을 측정하는 유도전하측정기;를 포함할 수 있다.
또한, 상기 작업요소 검측부재는, 측정 대상지역의 지표면에서 발생하는 진동과 가속도를 측정하는 진동 및 가속도 측정기; 측정 대상지역 원료 및 원료야드 표면온도를 적외선을 활용하여 측정하는 비접촉식 표면온도 측정기; 및 비산먼지를 발생시킬 수 있는 설비운영에 따른 작업환경의 소음을 측정하는 소음측정기;를 포함할 수 있다.
또한, 상기 자료분석유닛은, 미세먼지 농도 참값을 측정할 수 있는 상기 참값 검측 및 수집부재와 인근 지역 대기오염정보를 제공하는 공공데이터 및 기존 측정값 데이터를 수집하여 인공지능 기반 데이터 분석을 수행할 수 있으며 상기 데이터 관리서버와 연계되어 일체로 구성될 수 있다.
또한, 상기 데이터 관리서버는, 상기 자료분석유닛에 연결되어 현재의 비산먼지농도 산출과 장래의 비산먼지 발생량 예측결과를 표시하고 예측 정확도를 제시할 수 있는 디스플레이;를 더 포함할 수 있다.
또한, 상기 데이터 관리서버는, 상기 자료분석유닛은 비산먼지 발생량 예측결과에 따라, 비산먼지 저감설비의 설정된 제어값을 제시하고 그 저감효과를 예측하여 함께 제시할 수 있으며, 상기의 작업을 반복하여 데이터를 추가로 취득함으로써, 상기 자료분석유닛에 포함된 인공지능 알고리즘의 정확도를 향상시킬 수 있다.
본 발명은 비산먼지가 발생하는 원료야드 및 원료이송과정에서 발생하는 비산먼지를 측정하거나 예측하는 방법으로서, 측정 대상지역의 지상이나 대기중의 풍속, 일사량, 대기압 및 온습도의 기상온도를 검측하는 기상요소 검측부재로 기상요소를 검측하는 제 1단계; 측정 대상지역의 대기중 부유물질에 따라 반응하는 먼지유관 검측부재로 먼지 유관요소를 검측하는 제 2단계; 측정 대상지역의 지상에서 발생하는 진동, 가속도, 표면온도, 소음의 환경요소를 검측하는 작업요소 검측부재로 작업 환경을 검측하는 제 3단계; 상기 제 1단계, 제 2단계 및 제 3단계를 통해 검측된 자료와 공공데이터 및 기존에 수집된 미세먼지 자료를 수집 저장하는 데이터 관리서버와 데이터의 인공지능 분석을 수행할 수 있는 인공지능 소프트웨어를 포함하는 자료분석유닛으로 데이터를 분석하는 제 4단계; 및 상기 제 1단계, 제 2단계, 제 3단계 및 제 4단계를 통해 산출된 현시점 비산먼지 농도 및 장래의 비산먼지 발생량과 저감설비의 설정된 운영조건 및 예측정확도를 디스플레이를 통해 보여 줄 수 있는 제 5단계;를 포함하여 이루어질 수 있다.
또한, 상기 데이터 관리서버의 인공지능 알고리즘은, 딥러닝, 판단트리 및 랜덤 포레스트의 방식으로 검측된 자료를 분석하고 연산할 수 있다.
또한, 상기 기상요소 검측부재는, 3차원 풍향풍속기, 일사량 측정기, 대기압 측정기 및 대기온습도 측정기로 구성될 수 있다.
또한, 상기 먼지유관 검측부재는, 시정에 영향을 주는 부유물질을 포워드 스캐터링 방식으로 측정하고 상기 기상요소 검측부재로 검측된 기상정보를 활용하여 인공지능 알고리즘 기반으로 비산먼지의 농도를 나타내는 시정측정기와 대기를 유동하는 비산먼지의 하전량을 측정하고 상기 기상요소 검측부재로 검측된 기상정보를 활용하여 인공지능 알고리즘 기반으로 비산먼지의 농도를 나타내는 유도전하측정기로 구성될 수 있다.
또한, 상기 작업요소 검측부재는, 진동 및 가속도 측정기, 표면온도 측정기 및 소음측정기로 구성될 수 있다.
또한, 상기 데이터 관리서버의 의해 비산먼지의 농도가 예측된 후, 예측된 비산먼지의 농도에 따라 살수량이 정해지고, 물이 살수된 후, 저감되는 비산먼지의 농도가 측정되면 살수량 대비 비산먼지의 저감량이 데이터베이스화되고, 상기 데이터베이스에 기반하여 비산먼지의 농도에 따른 살수량이 계산될 수 있다.
본 발명의 일 실시예에 따르면, 유도전하측정기로 비산먼지의 농도를 측정하고, 유도전하측정기와 함께 풍향, 풍속, 온도, 습도, 일사량 등 기상자료를 활용하여 정확한 보정을 통해 측정 및 예측이 가능하다.
또한, 미세먼지 농도 산출방안으로 인공지능 알고리즘 기반의 데이터분석과 현장 취득데이터 강화학습을 통하여 미세먼지 발생을 예측할 수 있다.
또한, 관리서버에 의해 살수량 대비 비산먼지의 저감량이 데이터베이스화하고 비산먼지의 농도에 따른 살수를 통해 효율적으로 비산먼지의 저감이 가능하다.
본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어서 해석되어서는 아니된다.
도 1은 본 발명의 일실시예에 따른 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치의 전체적인 개요를 나타낸 도면이다.
도 2는 상기 측정 및 예측 장치의 개략적인 구성을 나타낸 도면이다.
도 3은 상기 측정 및 예측 장치의 세부 구성을 나타낸 개념도이다.
도 4는 상기 인공지능 알고리즘의 개략적인 개념을 나타낸 도면이다.
도 5는 상기 측정 및 예측 장치의 전체적인 구성 블록도이다.
도 6은 상기 기상요소 검측부재의 구성 블록도이다.
도 7은 상기 먼지유관 검측부재의 구성 블록도이다.
도 8은 상기 시정측정기의 개념도이다.
도 9는 상기 유도전하측정기의 개념도이다.
도 10은 상기 작업요소 검측부재의 구성 블록도이다.
도 11은 본 발명의 일실시예에 따른 인공지능에 기반하여 비산먼지를 측정하고 예측하는 방법을 나타내는 흐름도이다.
도 12는 본 발명의 일실시예에 따라 상기 측정 및 예측 장치를 이용하여 네트워크를 구축한 모습을 나타낸 도면이다.
도 13은 상기 측정 및 예측 장치로 측정한 여러 수치들을 상기 디스플레이에 표시한 모습을 나타낸 도면이다.
도 1은 본 발명의 일실시예에 따른 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치의 전체적인 개요를 나타낸 도면이다.
도 2는 상기 측정 및 예측 장치의 개략적인 구성을 나타낸 도면이다.
도 3은 상기 측정 및 예측 장치의 세부 구성을 나타낸 개념도이다.
도 4는 상기 인공지능 알고리즘의 개략적인 개념을 나타낸 도면이다.
도 5는 상기 측정 및 예측 장치의 전체적인 구성 블록도이다.
도 6은 상기 기상요소 검측부재의 구성 블록도이다.
도 7은 상기 먼지유관 검측부재의 구성 블록도이다.
도 8은 상기 시정측정기의 개념도이다.
도 9는 상기 유도전하측정기의 개념도이다.
도 10은 상기 작업요소 검측부재의 구성 블록도이다.
도 11은 본 발명의 일실시예에 따른 인공지능에 기반하여 비산먼지를 측정하고 예측하는 방법을 나타내는 흐름도이다.
도 12는 본 발명의 일실시예에 따라 상기 측정 및 예측 장치를 이용하여 네트워크를 구축한 모습을 나타낸 도면이다.
도 13은 상기 측정 및 예측 장치로 측정한 여러 수치들을 상기 디스플레이에 표시한 모습을 나타낸 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시 예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시 예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시 예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일실시예에 따른 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치의 전체적인 개요를 나타낸 도면이고, 도 2는 상기 측정 및 예측 장치의 개략적인 구성을 나타낸 도면이며, 도 3은 상기 측정 및 예측 장치의 세부 구성을 나타낸 개념도이고, 도 4는 상기 인공지능 알고리즘의 개략적인 개념을 나타낸 도면이며, 도 5는 상기 측정 및 예측 장치의 전체적인 구성 블록도이고, 도 6은 상기 기상요소 검측부재의 구성 블록도이며, 도 7은 상기 먼지유관 검측부재의 구성 블록도이고, 도 8은 상기 시정측정기의 개념도이며, 도 9는 상기 유도전하측정기의 개념도이고, 도 10은 상기 작업요소 검측부재의 구성 블록도이다.
도 1 내지 도 10에 도시된 바와 같이, 주로 원료야드 및 원료이송과정에서 발생하는 비산먼지를 측정하거나 예측하는 장치로서, 본 발명은 기상요소 검측부재(100), 먼지유관 검측부재(200), 작업요소 검측부재(300), 참값 검측 및 수집부재(400), 설비운영 검측부재(500), 데이터 관리서버(600) 및 자료분석유닛(700)을 포함할 수 있다.
기상요소 검측부재(100)는 측정 대상지역의 지상이나 대기중의 풍속, 일사량, 대기압 및 온습도를 측정할 수 있다.
기상요소 검측부재(100)는 3차원 풍향풍속기(110), 일사량 측정기(120), 대기압 측정기(130) 및 대기온습도 측정기(140)를 포함할 수 있다.
3차원 풍향풍속기(110)는 측정 대상지역의 대기중에서 발생하는 바람의 풍속을 입체적으로 측정할 수 있다. 구체적으로, 3차원 풍향풍속기(110)(또는, 3차원 초음파 풍향풍속계)의 원리는 동서, 남북방향으로 각각 2개씩의 송신기와 수신기가 설치되어 있는 2차원 초음파 풍향풍속계와 달리 3개의 비직교 축을 이용하여 바람의 수평요소뿐 아니라 연직요소 그리고 풍속을 관측한다.
일사량 측정기(120)는 측정 대상지역의 지상이나 대기로 입사되는 태양의 일사량을 측정할 수 있다. 구체적으로, 수평면에 입사하는 모든 태양에너지를 측정하는 장비를 전천일사계(全天日射計, pyranometer) 또는 수평면일사계라 한다. 입사하는 태양에너지는 직달성분과 대기에 의하여 산란된 성분이 있는데, 이들은 모두 측정하는 것이 전천일사계이다.
대기압 측정기(130)는 측정 대상지역 대기의 대기압을 측정할 수 있다.
대기온습도 측정기(140)는 측정 대상지역의 지상이나 대기의 온도와 습도를 측정할 수 있다.
먼지유관 검측부재(200)는 측정 대상지역의 시정에 영향을 주는 부유물질 또는 부유물질에 의한 유도전하량을 측정할 수 있다. 먼지유관 검측부재(200)는 시정측정기(210) 및 유도전하측정기(220)를 포함할 수 있다.
시정측정기(210)는 측정 대상지역 대기의 시정에 영향을 주는 부유물질을 포워드 스캐터링 방식으로 측정하고 측정값을 거리(km)로 출렷할 수 있다.
포워드 스캐터링 또는 전방산란(forward scattering)이란, 광, 음파, 전자파 등이 빔 입사파의 진행 방향 또는 경면반사(鏡面反射) 방향으로의 에너지의 소멸 없이 흩어지는 현상이다.
즉, 시정측정기(210)는 일반적인 실시예에 따르면 트랜스미터에서 발산하는 적외선 소스가 수분이 포함된 비산먼지의 전방 산란정도를 측정하고 리시버로 전송하면서 분석하는 방식이다.
시정측정기(210)는 악천후, 고농도 등에 대응이 가능하고, 유지보수의 편의성이 구비되어 공항, 고속도로, 터널 등의 현장에서 간편하게 사용된다.
유도전하측정기(220)는 측정 대상지역의 부유물질을 흡입하여 이동하는 부유물질에 하전특성에 따라 유도되는 전류량을 측정할 수 있다.
유도전하측정기(220)는 고농도에 대응이 가능하며, 유지 및 보수 편리하여 먼지처리시설 등 유관산업 현장적용이 가능하다.
작업요소 검측부재(300)는 측정 대상지역의 지상에서 발생하는 작업활동에 의한 진동, 소음과 원료 및 원료야드 표면온도를 검측할 수 있다. 작업환경요소 검측부재(300)는 진동 및 가속도 측정기(310), 표면온도 측정기(320) 및 소음측정기(330)를 포함할 수 있다.
진동 및 가속도 측정기(310)는 측정 대상지역의 지표면에서 발생하는 진동과 가속도를 측정할 수 있다. 구체적으로, 진동 및 가속도 측정기(310)의 진동계(vibrometer)는, 진동의 파형, 진폭, 주파수, 가속도 등을 측정하는 계기로, 보통 기계, 차량, 선박, 구조물 등의 진동을 측정하는 것을 말한다. 이들의 진동은 주파수 범위가 1~1,000 Hz이다. 이것보다 늦은 주파수를 측정하는 것은 지진계, 빠른 주파수를 측정하는 것은 음향측정기의 분야에 들어간다.
원리는 진자(질량)를 탄성 스프링으로 지지하여 감쇠시킨 진동계를 측정하려고 하는 것에 대고 질량의 변위 또는 관성력을 지시 또는 기록시킨다. 변위를 확대하려면 광학적, 기계적, 전기적인 방법이 있다.
표면온도 측정기(320)는 측정 대상지역 원료 및 원료야드 표면온도를 적외선을 활용하여 측정하는 비접촉식이다.
소음측정기(330)는 비산먼지를 발생시킬 수 있는 설비운영에 따른 작업환경의 소음을 측정할 수 있다.
검측 및 수집부재(400)는 상기 기상요소 검측부재, 먼지유관 검측부재 및 작업요소 검측부재에서 획득한 데이터와 비교하여 학습할 수 있다.
설비운영 검측부재(500)는 저감설비 운영상태를 파악할 수 있다.
데이터 관리서버(600)는 검측부재(100, 200, 300, 500)들과 수집부재(400)의 데이터를 수집하고 저장할 수 있다.
관리서버(600)의 인공지능 알고리즘은, 딥러닝, 판단트리 및 랜덤 포레스트의 방식으로 검측된 자료를 분석하고 연산할 수 있다. 딥 러닝(Deep Learning)이란, 다층구조 형태의 신경망을 기반으로 하는 머신 러닝의 한 분야로, 다량의 데이터로부터 높은 수준의 추상화 모델을 구축하고자 하는 기법이다. 구체적으로, 머신 러닝의 한 분야로 데이터를 컴퓨터가 처리 가능한 형태인 벡터나 그래프 등으로 표현하고 이를 학습하는 모델을 구축하는 연구를 포함한다. 얼굴이나 표정을 인식하는 등의 특정 학습 목표에 대해, 딥 러닝은 학습을 위한 더 나은 표현 방법과 효율적인 모델 구축에 초점을 맞춘다. 딥 러닝의 표현방법들 중 다수는 신경과학에서 영감을 얻었으며, 신경 시스템의 정보 처리나 통신 패턴에 기반을 두고 있다.
판단트리(decision tree)란, 시스템을 계획, 추진해 갈 때 효용 및 그 가치 판단에 의해 어느 종류의 결정이 이루어지는데, 그 결정을 추진하는데 또 각종 방안이 생각되고, 그 하나의 방안을 결정함으로써 다음의 각종 문제가 생긴다. 또, 그 결정에 의한 결과의 예상도 필요하다. 이들을 마치 나무의 가지와 같이 도시한 것으로, 결정의 트리라고도 한다. 이에 의하면 논리의 진전이 명백해지고, 또 결정에 의한 방안의 비교를 할 수 있어 시스템추진에 매우 유효하다.
랜덤 포레스트 또는 무작위 결정 포리스트(random forest or random decision forest)는 학습 시간에 다수의 결정 트리를 구성하고 클래스 또는 평균 예측을 출력함으로써 분류, 회귀 및 기타 작업을 위한 앙상블 학습 방법이다. 랜덤 포레스트는 판단트리가 자신의 훈련 세트에 지나치게 적응하는 습관을 바로 잡아줄 수 있다.
자료분석유닛(700)은 데이터 관리서버(600)에 연계되어 데이터를 인공지능 알고리즘에 기반하여 현재의 비산먼지 농도를 산출하고 장래의 비산먼지 발생량을 예측하며, 저감설비의 설정된 운영값을 제시하는 인공지능 소프트웨어가 구비될 수 있다.
자료분석유닛(700)의 인공지능 알고리즘은, 딥러닝, 판단트리 및 랜덤 포레스트의 방식으로 데이터 관리서버(600)에 수집된 자료를 분석하고 연산할 수 있다.
자료분석유닛(700)은 미세먼지 농도 참값을 측정할 수 있는 참값 검측 및 수집부재(400)와 인근 지역 대기오염정보를 제공하는 공공데이터 및 기존 측정값 데이터를 수집하여 인공지능 기반 데이터 분석을 수행할 수 있으며 데이터 관리서버(600)와 연계되어 일체로 구성될 수 있다.
데이터 관리서버(600)는 자료분석유닛(700)에 연결되어 현재의 비산먼지농도 산출과 장래의 비산먼지 발생량 예측결과를 표시하고 예측 정확도를 제시할 수 있는 디스플레이(800)를 더 포함할 수 있다.
데이터 관리서버(600)는 자료분석유닛(700)은 비산먼지 발생량 예측결과에 따라, 비산먼지 저감설비의 설정된 제어값을 제시하고 그 저감효과를 예측하여 함께 제시할 수 있으며, 상기의 작업을 반복하여 데이터를 추가로 취득함으로써, 자료분석유닛(700)에 포함된 인공지능 알고리즘의 정확도를 향상시킬 수 있다.
도 11은 본 발명의 일실시예에 따른 인공지능에 기반하여 비산먼지를 측정하고 예측하는 방법을 나타내는 흐름도이다.
도 11에 나타난 바와 같이, 비산먼지가 발생하는 원료야드 및 원료이송과정에서 발생하는 비산먼지를 측정하거나 예측하는 방법으로서, 본 발명은 제 1단계(S100), 제 2단계(S200), 제 3단계(S300), 제 4단계(S400) 및 제 5단계(S500)를 포함하여 이루어질 수 있다.
제 1단계(S100)는 측정 대상지역의 지상이나 대기중의 풍속, 일사량, 대기압 및 온습도의 기상온도를 검측하는 기상요소 검측부재(100)로 기상요소를 검측하는 단계이다. 구체적으로, 기상요소 검측부재(100)는 3차원 풍향풍속기(110), 일사량 측정기(120), 대기압 측정기(130) 및 대기온습도 측정기(140)로 구성될 수 있다. 이하, 구체적인 설명은 전술한 바와 같다.
제 2단계(S200)는 측정 대상지역의 대기중에 부유물질에 따라 반응하는 먼지유관 검측부재(200)로 먼지 유관요소를 검측하는 단계이다. 구체적으로, 먼지유관 검측부재(200)는 시정에 영향을 주는 부유물질을 포워드 스캐터링 방식으로 측정하고 기상요소 검측부재(100)로 검측된 기상정보를 활용하여 인공지능 알고리즘 기반으로 비산먼지의 농도를 나타내는 시정측정기(210)와 대기를 유동하는 비산먼지의 하전량을 측정하고 기상요소 검측부재(100)로 검측된 기상정보를 활용하여 인공지능 알고리즘 기반으로 비산먼지의 농도를 나타내는 유도전하측정기(220)로 구성될 수 있다. 이하, 구체적인 설명은 전술한 바와 같다.
제 3단계(S300)는 측정 대상지역의 지상에서 발생하는 진동, 가속도, 표면온도, 소음의 환경요소를 검측하는 작업요소 검측부재(300)로 작업 환경을 검측하는 단계이다. 구체적으로, 작업요소 검측부재(300)는 진동 및 가속도 측정기(310), 표면온도 측정기(320) 및 소음 측정기(330)로 구성될 수 있다. 이하, 구체적인 설명은 전술한 바와 같다.
제 4단계(S400)는 제 1단계(S100), 제 2단계(S200) 및 제 3단계(S300)를 통해 검측된 자료와 공공데이터 및 기존에 수집된 미세먼지 자료를 수집 저장하는 데이터 관리서버(600)와 데이터의 인공지능 분석을 수행할 수 있는 인공지능 소프트웨어를 포함하는 자료분석유닛(700)으로 데이터를 분석하는 단계이다.
제 5단계(S500)는 제 1단계(S100), 제 2단계(S200), 제 3단계(S300) 및 제 4단계(S400)를 통해 산출된 현시점 비산먼지 농도 및 장래의 비산먼지 발생량과 저감설비의 설정된 운영조건 및 예측정확도를 디스플레이(800)를 통해 보여 줄 수 있는 단계이다. 구체적으로, 관리서버(600)의 인공지능 알고리즘은, 딥러닝, 판단트리 및 랜덤 포레스트의 방식으로 검측된 자료를 분석하고 연산할 수 있다. 이하, 구체적인 설명은 전술한 바와 같다.
도 12는 본 발명의 일실시예에 따라 상기 측정 및 예측 장치를 이용하여 네트워크를 구축한 모습을 나타낸 도면이고, 도 13은 상기 측정 및 예측 장치로 측정한 여러 수치들을 상기 디스플레이에 표시한 모습을 나타낸 도면이다.
도 12와 13에 도시된 바와 같이, 전체의 비산먼지 관리 시스템으로 접근할 경우로서, 특정 야적장 중심의 Local network 방식으로도 접근 가능하며, 다만, 야적장 수와 규모가 다양하고, 벨트 컨베이어 운송장치 산재, 기타 비산먼지 발생 등 전반적 비산먼지 관리 측면에서의 접근이 합리적 솔루션일 것으로 판단된다.
전체 네트워크 구축시 개별 야적장 비산량 측정 및 예측 정확도 향상이 가능하고, 개별 야적장 저감 장치 제어 정보로 활용이 가능하다.
본 발명의 일실시예에 따르면, 유도전하측정기(220)로 비산먼지 농도 측정하고, 유도전하측정기(220)와 함께 풍향, 풍속, 온도, 습도, 일사량 등 기상자료를 활용하여 정확한 보정을 통해 측정 및 예측이 가능하다.
또한, 미세먼지 농도 산출방안으로 인공지능 알고리즘 기반으로 데이터를 분석고, 현장 취득데이터 강화학습을 통한 미세먼지 발생 예측할 수 있다.
상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시 예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시 예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.
본 발명은 본 발명의 정신 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시 예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.
10 : 측정 및 예측 장치
100 : 기상요소 검측부재
110 : 3차원 풍향풍속기
120 : 일사량 측정기
130 : 대기압 측정기
140 : 대기온습도 측정기
200 : 먼지유관 검측부재
210 : 시정측정기
220 : 유도전하측정기
300 : 작업요소 검측부재
310 : 진동 및 가속도 측정기
320 : 표면온도 측정기
330 : 소음측정기
400 : 참값 검측 및 수집부재
500 : 설비운영 검측부재
600 : 데이터 관리서버
700 : 자료분석유닛
800 : 디스플레이
100 : 기상요소 검측부재
110 : 3차원 풍향풍속기
120 : 일사량 측정기
130 : 대기압 측정기
140 : 대기온습도 측정기
200 : 먼지유관 검측부재
210 : 시정측정기
220 : 유도전하측정기
300 : 작업요소 검측부재
310 : 진동 및 가속도 측정기
320 : 표면온도 측정기
330 : 소음측정기
400 : 참값 검측 및 수집부재
500 : 설비운영 검측부재
600 : 데이터 관리서버
700 : 자료분석유닛
800 : 디스플레이
Claims (14)
- 주로 원료야드 및 원료이송과정에서 발생하는 비산먼지를 측정하거나 예측하는 장치로서,
측정 대상지역의 지상이나 대기중의 풍속, 일사량, 대기압 및 온습도를 측정하는 기상요소 검측부재;
측정 대상지역의 시정에 영향을 주는 부유물질 또는 부유물질에 의한 유도전하량을 측정하는 먼지유관 검측부재;
측정 대상지역의 지상에서 발생하는 작업활동에 의한 진동, 소음과 원료 및 원료야드의 표면온도를 검측하는 작업요소 검측부재;
상기 기상요소 검측부재, 먼지유관 검측부재 및 작업요소 검측부재에서 획득한 데이터와 비교하여 학습할 수 있는 참값 검측 및 수집부재;
저감설비 운영상태를 파악할 수 있는 설비운영 검측부재;
상기 검측부재들과 상기 수집부재의 데이터를 수집하고 저장할 수 있는 데이터 관리서버; 및
상기 데이터 관리서버에 연계되어 데이터를 인공지능 알고리즘에 기반하여 현재의 비산먼지 농도를 산출하고 장래의 비산먼지 발생량을 예측하며, 저감설비의 설정된 운영값을 제시하는 인공지능 소프트웨어가 구비된 자료분석유닛;을 포함하고,
상기 기상요소 검측부재는,
측정 대상지역의 대기중에서 발생하는 바람의 풍향과 풍속을 입체적으로 측정하는 3차원 풍향풍속기;
측정 대상지역의 지상이나 대기로 입사되는 태양의 일사량을 측정하는 일사량 측정기;
측정 대상지역 대기의 대기압을 측정하는 대기압 측정기; 및
측정 대상지역의 지상이나 대기의 온도와 습도를 측정하는 대기온습도 측정기;를 포함하며,
상기 작업요소 검측부재는,
측정 대상지역의 지표면에서 발생하는 진동과 가속도를 측정하는 진동 및 가속도 측정기;
측정 대상지역 원료 및 원료야드 표면온도를 적외선을 활용하여 측정하는 비접촉식 표면온도 측정기; 및
비산먼지를 발생시킬 수 있는 설비운영에 따른 작업환경의 소음을 측정하는 소음측정기;를 포함하는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치. - 청구항 1에 있어서,
상기 자료분석 유닛의 인공지능 알고리즘은, 딥러닝, 판단트리 및 랜덤 포레스트의 방식으로 상기 데이터 관리서버에 수집된 자료를 분석하고 연산하는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치. - 삭제
- 청구항 1에 있어서,
상기 먼지유관 검측부재는,
측정 대상지역 대기의 시정에 영향을 주는 부유물질을 포워드 스캐터링 방식으로 측정하여 측정값을 거리로 출력하는 시정측정기; 및
측정 대상지역의 부유물질을 흡입하여 이동하는 부유물질에 하전특성에 따라 유도되는 전류량을 측정하는 유도전하측정기;를 포함하는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치. - 삭제
- 청구항 1에 있어서,
상기 자료분석유닛은,
미세먼지 농도 참값을 측정할 수 있는 상기 참값 검측 및 수집부재와 인근 지역 대기오염정보를 제공하는 공공데이터 및 기존 측정값 데이터를 수집하여 인공지능 기반 데이터 분석을 수행할 수 있으며 상기 데이터 관리서버와 연계되어 일체로 구성되는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치. - 청구항 1에 있어서,
상기 데이터 관리서버는,
상기 자료분석유닛에 연결되어 현재의 비산먼지농도 산출과 장래의 비산먼지 발생량 예측결과를 표시하고 예측 정확도를 제시할 수 있는 디스플레이;를 더 포함하는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치. - 청구항 1에 있어서,
상기 데이터 관리서버는,
상기 자료분석유닛은 비산먼지 발생량 예측결과에 따라, 비산먼지 저감설비의 설정된 제어값을 제시하고 그 저감효과를 예측하여 함께 제시할 수 있으며, 상기의 작업을 반복하여 데이터를 추가로 취득함으로써, 상기 자료분석유닛에 포함된 인공지능 알고리즘의 정확도를 향상시키는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치. - 비산먼지가 발생하는 원료야드 및 원료이송과정에서 발생하는 비산먼지를 측정하거나 예측하는 방법으로서,
측정 대상지역의 지상이나 대기중의 풍속, 일사량, 대기압 및 온습도의 기상온도를 검측하는 기상요소 검측부재로 기상요소를 검측하는 제 1단계;
측정 대상지역의 대기중 부유물질에 따라 반응하는 먼지유관 검측부재로 먼지 유관요소를 검측하는 제 2단계;
측정 대상지역의 지상에서 발생하는 진동, 가속도, 표면온도, 소음의 환경요소를 검측하는 작업요소 검측부재로 작업 환경을 검측하는 제 3단계;
상기 제 1단계, 제 2단계 및 제 3단계를 통해 검측된 자료와 공공데이터 및 기존에 수집된 미세먼지 자료를 수집 저장하는 데이터 관리서버와 데이터의 인공지능 분석을 수행할 수 있는 인공지능 소프트웨어를 포함하는 자료분석유닛으로 데이터를 분석하는 제 4단계; 및
상기 제 1단계, 제 2단계, 제 3단계 및 제 4단계를 통해 산출된 현시점 비산먼지 농도 및 장래의 비산먼지 발생량과 저감설비의 설정된 운영조건 및 예측정확도를 디스플레이를 통해 보여 줄 수 있는 제 5단계;를 포함하여 이루어지고,
상기 기상요소 검측부재는, 3차원 풍향풍속기, 일사량 측정기, 대기압 측정기 및 대기온습도 측정기로 구성되며,
상기 작업요소 검측부재는, 진동 및 가속도 측정기, 표면온도 측정기 및 소음측정기로 구성되는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 방법. - 청구항 9에 있어서,
상기 데이터 관리서버의 인공지능 알고리즘은, 딥러닝, 판단트리 및 랜덤 포레스트의 방식으로 검측된 자료를 분석하고 연산하는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 방법. - 삭제
- 청구항 9에 있어서,
상기 먼지유관 검측부재는, 시정에 영향을 주는 부유물질을 포워드 스캐터링 방식으로 측정하고 상기 기상요소 검측부재로 검측된 기상정보를 활용하여 인공지능 알고리즘 기반으로 비산먼지의 농도를 나타내는 시정측정기와 대기를 유동하는 비산먼지의 하전량을 측정하고 상기 기상요소 검측부재로 검측된 기상정보를 활용하여 인공지능 알고리즘 기반으로 비산먼지의 농도를 나타내는 유도전하측정기로 구성되는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 방법. - 삭제
- 청구항 9에 있어서,
상기 데이터 관리서버의 의해 비산먼지의 농도가 예측된 후, 예측된 비산먼지의 농도에 따라 살수량이 정해지고, 물이 살수된 후, 저감되는 비산먼지의 농도가 측정되면 살수량 대비 비산먼지의 저감량이 데이터베이스화되고, 상기 데이터베이스에 기반하여 비산먼지의 농도에 따른 살수량이 계산되는 것을 특징으로 하는 인공지능에 기반하여 비산먼지를 측정하고 예측하는 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180091455A KR101988317B1 (ko) | 2018-08-06 | 2018-08-06 | 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180091455A KR101988317B1 (ko) | 2018-08-06 | 2018-08-06 | 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101988317B1 true KR101988317B1 (ko) | 2019-06-12 |
Family
ID=66846041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180091455A KR101988317B1 (ko) | 2018-08-06 | 2018-08-06 | 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101988317B1 (ko) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102066871B1 (ko) * | 2019-07-15 | 2020-01-16 | 한국과학기술정보연구원 | 대기질 측정 방법 및 대기질 측정 시스템 |
| KR102134545B1 (ko) * | 2019-12-30 | 2020-07-15 | 주식회사 에어콕 | 미세먼지 및 초미세먼지 측정 정확도 향상을 위한 센서 자동보정 방법 |
| KR102163178B1 (ko) * | 2020-06-11 | 2020-10-12 | 케이.엘.이.에스 주식회사 | 옥내 저탄장의 비산 먼지 저감 및 화재 예방 시스템 |
| KR20210019191A (ko) * | 2019-08-12 | 2021-02-22 | 주식회사 엔버스 | 실시간 예측 모델을 이용하여 먼지 배출을 저감하는 장치 및 방법 |
| KR20210036756A (ko) * | 2019-09-26 | 2021-04-05 | 울산과학기술원 | 미세먼지 농도 추정 시스템, 방법 및 컴퓨터 프로그램 |
| KR20210106825A (ko) * | 2020-02-21 | 2021-08-31 | 서울대학교산학협력단 | 보급형 먼지센서를 위한 보정 장치 |
| KR102531123B1 (ko) | 2021-11-19 | 2023-05-10 | 경희대학교 산학협력단 | 밀폐 챔버를 이용한 미세먼지 재비산 측정 실험장치 및 그 실험방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100408155B1 (ko) | 2001-08-10 | 2003-12-01 | (주)다산알앤디 | 먼지측정장치 |
| KR101247181B1 (ko) * | 2012-08-10 | 2013-03-25 | 케이.엘.이.에스 주식회사 | 저탄장 살수 제어 시스템 및 그 제어방법 |
| KR101865072B1 (ko) * | 2016-10-17 | 2018-06-07 | 주식회사에스에이티 | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 |
-
2018
- 2018-08-06 KR KR1020180091455A patent/KR101988317B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100408155B1 (ko) | 2001-08-10 | 2003-12-01 | (주)다산알앤디 | 먼지측정장치 |
| KR101247181B1 (ko) * | 2012-08-10 | 2013-03-25 | 케이.엘.이.에스 주식회사 | 저탄장 살수 제어 시스템 및 그 제어방법 |
| KR101865072B1 (ko) * | 2016-10-17 | 2018-06-07 | 주식회사에스에이티 | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 비특허문헌* * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102066871B1 (ko) * | 2019-07-15 | 2020-01-16 | 한국과학기술정보연구원 | 대기질 측정 방법 및 대기질 측정 시스템 |
| KR20210019191A (ko) * | 2019-08-12 | 2021-02-22 | 주식회사 엔버스 | 실시간 예측 모델을 이용하여 먼지 배출을 저감하는 장치 및 방법 |
| KR102246675B1 (ko) * | 2019-08-12 | 2021-04-30 | 주식회사 엔버스 | 실시간 예측 모델을 이용하여 먼지 배출을 저감하는 장치 및 방법 |
| KR20210036756A (ko) * | 2019-09-26 | 2021-04-05 | 울산과학기술원 | 미세먼지 농도 추정 시스템, 방법 및 컴퓨터 프로그램 |
| KR102317207B1 (ko) | 2019-09-26 | 2021-10-25 | 울산과학기술원 | 미세먼지 농도 추정 시스템, 방법 및 컴퓨터 프로그램 |
| KR102134545B1 (ko) * | 2019-12-30 | 2020-07-15 | 주식회사 에어콕 | 미세먼지 및 초미세먼지 측정 정확도 향상을 위한 센서 자동보정 방법 |
| KR20210106825A (ko) * | 2020-02-21 | 2021-08-31 | 서울대학교산학협력단 | 보급형 먼지센서를 위한 보정 장치 |
| KR102333050B1 (ko) | 2020-02-21 | 2021-12-01 | 서울대학교산학협력단 | 보급형 먼지센서를 위한 보정 장치 |
| KR102163178B1 (ko) * | 2020-06-11 | 2020-10-12 | 케이.엘.이.에스 주식회사 | 옥내 저탄장의 비산 먼지 저감 및 화재 예방 시스템 |
| KR102531123B1 (ko) | 2021-11-19 | 2023-05-10 | 경희대학교 산학협력단 | 밀폐 챔버를 이용한 미세먼지 재비산 측정 실험장치 및 그 실험방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101988317B1 (ko) | 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 | |
| CN102460220B (zh) | 测量排放和量化排放源的方法和系统 | |
| CN114280695A (zh) | 一种空气污染物监测预警方法及云平台 | |
| CN102103061B (zh) | 一种大气监测、预测、评价的等浓度线方法 | |
| CN105092445B (zh) | 一种pm2.5工业烟气的在线监测装置及其方法 | |
| KR102250795B1 (ko) | 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법 | |
| CN107894381A (zh) | 一种南方河流用测沙装置和方法 | |
| CN115876655B (zh) | 一种受限空间涉爆粉尘全过程监测系统及方法 | |
| CN106777893A (zh) | 一种利用可移动污染物探测器辨识城市空间多污染物源的方法 | |
| 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 | |
| KR20200128226A (ko) | 미세먼지 농도 예측 시스템 | |
| Carruthers et al. | UK atmospheric dispersion modelling system | |
| CN105222885B (zh) | 一种光纤振动检测方法及装置 | |
| CN106706109B (zh) | 一种基于时域二维特性的振动源识别方法及系统 | |
| CN105135897B (zh) | 一种pm2.5烟气流场自调节系统及其方法 | |
| Occhipinti et al. | Particulate matter monitoring: Past, present and future | |
| O'Brien et al. | An experimental study of the dynamics of saltation within a three-dimensional framework | |
| Wang et al. | Adaptive stochastic resonance method based on quantum genetic algorithm and its application in dynamic characteristic identification of bridge GNSS monitoring data | |
| Kukačka et al. | Wind tunnel measurement of turbulent and advective scalar fluxes: a case study on intersection ventilation | |
| Liu et al. | Pavement surface defect recognition method based on vehicle system vibration data and feedforward neural network | |
| CN117009788A (zh) | 基于水锤波特征参数集的埋地输流管道周界塌陷预警方法、存储介质和方法 | |
| CN117330255A (zh) | 一种基于超声波检测装置和无人机的燃气检测系统 | |
| Deventer et al. | Size-resolved flux measurement of sub-micrometer particles over an urban area | |
| JP5131400B1 (ja) | 降下煤塵の非定常発塵源位置の探索方法 | |
| JP2022516219A (ja) | レインセンサ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |