KR102033507B1 - Efdc 수질모델의 통계기법을 이용한 자동보정 방법 - Google Patents

Efdc 수질모델의 통계기법을 이용한 자동보정 방법 Download PDF

Info

Publication number
KR102033507B1
KR102033507B1 KR1020180009049A KR20180009049A KR102033507B1 KR 102033507 B1 KR102033507 B1 KR 102033507B1 KR 1020180009049 A KR1020180009049 A KR 1020180009049A KR 20180009049 A KR20180009049 A KR 20180009049A KR 102033507 B1 KR102033507 B1 KR 102033507B1
Authority
KR
South Korea
Prior art keywords
water quality
parameter
quality data
efdc
combination
Prior art date
Application number
KR1020180009049A
Other languages
English (en)
Other versions
KR20190090425A (ko
Inventor
최재훈
이연우
윤진혁
Original Assignee
(주)휴먼플래닛
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 (주)휴먼플래닛 filed Critical (주)휴먼플래닛
Priority to KR1020180009049A priority Critical patent/KR102033507B1/ko
Publication of KR20190090425A publication Critical patent/KR20190090425A/ko
Application granted granted Critical
Publication of KR102033507B1 publication Critical patent/KR102033507B1/ko

Links

Images

Classifications

    • G06F17/5009—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G06F2217/16—
    • 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
    • Y02A20/152—Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 EFDC(Environmental Fluid Dynamic Code) 수질모델에서 사용되는 수질항목에 대응하는 매개변수를 선정하고, 선정된 매개변수의 조합에 대한 유효성을 판단하여 수질항목에 적합한 매개변수 조합을 검출할 수 있는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 관한 것이다.
상기의 과제를 해결하기 위하여 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법은 수질항목에 대응하는 매개변수를 선택하는 매개변수 선택단계; 상기 매개변수 선택단계에서 선택된 매개변수를 무작위로 조합하여 복수 개의 매개변수 조합을 생성하는 매개변수 조합 생성단계; 상기 매개변수 조합 생성단계에서 생성된 각각의 매개변수 조합에 대해 3차원 EFDC(Environmental Fluid Dynamic Code) 수질모델을 실행하여 모의 수질자료를 추출하는 시뮬레이션 단계; 상기 시뮬레이션 단계에서 추출된 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 모의 수질자료 선별단계; 상기 모의 수질자료 선별단계에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 순위산출단계; 및 상기 매개변수 조합의 순위산출단계에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합으로 입력 실행하여 매개변수 조합을 검증하는 매개변수 조합 검증단계를 포함하는 것을 특징으로 한다.

Description

EFDC 수질모델의 통계기법을 이용한 자동보정 방법{AUTOMATICALLY CALIBRATING METHOD USING STATISTICAL METHOD OF EFDC MODEL}
본 발명은 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 관한 것으로서, 더욱 상세하게는 EFDC(Environmental Fluid Dynamic Code) 수질모델에서 사용되는 수질항목에 대응하는 매개변수를 선정하고, 선정된 매개변수의 조합에 대한 유효성을 판단하여 수질항목에 적합한 매개변수 조합을 검출할 수 있는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 관한 것이다.
양호한 수질환경에 대한 관심이 높아지면서, 수자원의 관리 및 수질 환경의 중요성이 대두되고 있다. 수자원 관리 및 수질의 환경변화를 평가하고, 수질보전을 위한 의사결정 도구로 Qual2k, HSPF, SWMM 및 EFDC 모델 등 다양한 수질모델이 사용되고 있다.
상기의 수질모델은 공개 소스로 배포되고 있으나, 상기 수질모델에 입력하기 위한 입력자료의 전처리과정 및 수질모델을 실행시킨 후의 결과물을 가시화하여 출력하는 후처리과정에 대한 시스템은 미흡한 실정이다.
상기의 수질모델 중, EFDC(Environmental Fluid Dynamic Code) 모델은 연안, 하구, 호소, 습지, 저수지 등의 유동 또는 수질에 대한 3차원 모의 가능한 수질모델로서, 특정 대상지역에 대한 입력자료를 규칙에 맞게 작성하여 입력하고 수질모델을 실행하면, 미리 정해진 시간가격에 따라 유동, 퇴적 및 수질에 대한 수치의 정량적 변화치를 계산하며, 계산된 변화치를 결과물로 저장한다.
EFDC 수질모델을 이용한 하천 분석장치로서, 등록특허공보 제10-1492323호에는 다차원 수리모형을 이용한 하천 흐름 연계모의 GUI장치가 개시되었다. 상기 기술은 1차원 수문 관측자료 정보의 데이터 모델을 전처리 과정을 통해 변환하여 다차원 수리모형의 EFDC와 CCHE2D에 입력하고, 상기 다차원 수리모형에서 입력받은 정보와 상기 데이터베이스(DB)의 다차원 수리모형의 모의결과의 데이터 모델을 함께 후처리 과정을 통해 처리하고 분석하여 하천 흐름을 분석하는 것을 특징으로 한다.
또한, 본 출원인에 의해 출원되어 등록된 기술로서, 등록특허공보 제10-1594148호에는 EFDC 수치모델 입/출력자료 가시화 및 분석시스템이 개시되었다. 상기 기술은 산재되어 있는 공개자료를 수집하여 EFDC모델의 입력자료로 사용하기 위해 파일변환을 수행하는 전처리 과정과, 상기 EFDC모델의 실행을 통해 표시되는 후처리 과정으로 구성되되, 전처리 과정 및 후처리 과정의 입/출력 자료를 GUI 기반에서 가시화하여 표시하며, 상기 가시화되어 표시된 자료를 선택, 편집 및 분석을 용이하게 할 수 있는 및 EFDC 수치모델 입/출력자료 가시화 및 분석 시스템에 관한 것이다.
한편, EFDC 수질모델을 이용하여 수질을 모의하기 위해 상당히 많은 자료가 입력되어야 하고, 해당 수질항목에 기여하는 매개변수가 설정되어야 한다.
예를 들어, 수질을 모의하기 위한 수질항목에는 총유기탄소 농도(TOC), 총질소 농도(TN), 총인 농도(TP), 조류농도(Chl-a), 수온, BOD, COD, DO 및 pH 등이 있고, 각각의 상기 수질항목에 대응하여 입력되어야 하는 매개변수는 대략 수십 개가 존재한다. 즉, 수질항목에 대한 시뮬레이션의 결과값(모의 수질자료)은 매개변수의 조합 및 매개변수의 값에 따라 가변되게 된다.
간략하게, 조류에 대한 수질변수의 결과값에 밀접하게 기여하는 매개변수에는 최대성장속도(PMx), 반포화상수(KHNx, KHPx, KHS), 탄소와 Chl-a 비(CChlx), 최적온도(TMc, TMd, TMg) 등이 있고, 상기 매개변수의 범위(매개변수의 값)에 의해서 수질변수의 결과값이 다르게 도출된다.
이때, 매개변수에 대한 선정과 매개변수 값은 사용자의 경험칙과 결과에 대한 실측 자료를 기반으로 매개변수를 추정하는 시행착오방식에 의해 이루어진다.
그런데 1차원 수질모델의 경우 시뮬레이션을 수행하는 시간이 수분 ~ 수십분 소요되는 것인 반면, 3차원 EFDC 수질모델의 경우 시뮬레이션 수행하는 시간이 적게는 수시간에서 길게는 수일이 소요되어, 시행착오방식을 이용한 매개변수 값을 가변시켜 수렴하는 방식은 실효성이 없다. 또한, 상기 시행착오방식은 전문가의 경험칙에 의존하는 실정이나, 이러한 방식은 전문가의 주관적 해석이 가미됨에 따라 시뮬레이션 결과에 신뢰성이 저하되는 문제점이 있다.
이에 따라, EFDC 수질모델에서 수질항목 대한 매개변수의 조합을 자동보정하여 정량화된 값을 도출하기 위한 기술 개발이 요구된다.
KR 10-1492323 B1 (2015. 02. 04.) KR 10-1594148 B1 (2016. 02. 04.)
본 발명은 상기 종래기술이 갖는 요구에 부응하기 위하여 창출된 것으로서, 본 발명에서 해소하고자 하는 과제는, 수질항목에 대한 매개변수를 선정하고, 선정된 매개변수의 조합에 대한 유효성을 판단하여 수질항목에 대응한 매개변수의 조합을 추정할 수 있는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법을 제공하는 데 있다.
상기의 과제를 해결하기 위하여 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법은 수질항목에 대응하는 매개변수를 선택하는 매개변수 선택단계; 상기 매개변수 선택단계에서 선택된 매개변수를 무작위로 조합하여 복수 개의 매개변수 조합을 생성하는 매개변수 조합 생성단계; 상기 매개변수 조합 생성단계에서 생성된 각각의 매개변수 조합에 대해 3차원 EFDC(Environmental Fluid Dynamic Code) 수질모델로 실행하여 모의 수질자료를 추출하는 시뮬레이션 단계; 상기 시뮬레이션 단계에서 추출된 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 모의 수질자료 선별단계; 상기 모의 수질자료 선별단계에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 순위산출단계; 및 상기 매개변수 조합의 순위산출단계에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합으로 입력 실행하여 매개변수 조합을 검증하는 매개변수 조합 검증단계를 포함하는 것을 특징으로 한다.
여기서, 상기 매개변수 조합의 순위산출단계는 상기 모의 수질자료 선별단계에서 선별된 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 관계를 함수회귀로 모형화하는 함수회귀 모형화 단계; 상기 함수회귀 모형화 단계에서 모형화된 함수회귀 모형에 근거하여 EFDC 수질모델의 매개변수 조합으로 입력하여 예측 수질자료를 추출하는 예측 수질자료 추출단계; 및 상기 예측 수질자료 추출단계에서 추출된 예측 수질자료와 상기 실측 수질자료를 비교하여 오차값이 최소인 순서로 순위를 결정하는 순위결정단계를 포함하는 것을 특징으로 한다.
또한, 수질항목은 총유기탄소 농도(TOC), 총질소 농도(TN), 총인 농도(TP) 및 조류농도(Chl-a) 중에서 선택된 하나 이상인 것을 특징으로 한다.
본 발명에 의하면, 선택된 수질항목에 대한 매개변수의 조합을 추정할 수 있으므로, 객관적으로 분석된 자료에 근거한 매개변수의 조합을 생성할 수 있고, 이에 따른 시뮬레이션의 결과에 신뢰성을 향상시킬 수 있는 장점이 있다.
또한, 비전문적인 사용자에 의해서도 동일한 결과를 도출할 수 있고, 3차원 EFDC 수질모델에 대한 적합한 매개변수의 조합을 도출하는 데 소요되는 시간을 단축할 수 있는 장점이 있다.
도 1은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 EFDC 수질모델 시스템의 개략적인 구성도.
도 2는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 매개변수 보정부의 구성도.
도 3은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 대한 흐름도.
도 4는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 적용된 순위산출단계에 대한 흐름도.
도 5는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 무작위로 생성된 매개변수 조합을 나타낸 도면.
도 6은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 수질항목별로 추정된 매개변수의 기여도를 나타낸 도면.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 더욱 상세하게 설명한다.
본 발명은 EFDC(Environmental Fluid Dynamic Code) 수질모델에서 사용되는 수질항목에 대응하는 매개변수를 선정하고, 선정된 매개변수의 조합에 대한 유효성을 판단하여 수질항목에 적합한 매개변수 조합을 검출할 수 있는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 관한 것이다.
도 1은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 시스템의 개략적인 구성도이다.
첨부된 도 1을 참조하면, 수질모델 자동보정 시스템은 매개변수 추정 서버(10)와 복수 개의 모델수행 클라이언트(20)를 포함하여 구성되고, 상기 모델수행 클라이언트(20)에는 EFDC 수질모델을 모의하기 위한 EFDC 수질 모델(30)이 구축(설치)되고, 상기 매개변수 추정 서버(10)에는 매개변수 보정부(40)가 구축(설치)된다.
매개변수 추정 서버(10)는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정을 수행하는 것으로서, 모델수행 클라이언트(20)로 작업을 요청하고 요청된 작업의 결과를 수신하여 EFDC 수질모델에서의 매개변수 조합을 생성하고, 모델수행 클라이언트(20)로부터 수신된 매개변수 조합에 따른 모의 수질자료에 근거하여 적합한 매개변수의 조합을 추정하며, 추정된 매개변수 조합을 제공한다.
이때, 매개변수 추정 서버(10)에서 모델수행 클라이언트(20)로 요청하는 작업은 생성된 각각의 매개변수 조합에 대해 3차원 EFDC 수질모델을 실행하고 실행에 대한 결과물인 모의 수질자료이다.
모델수행 클라이언트(20)는 상기 매개변수 추정 서버(10)의 요청에 따라 수신된 매개변수 조합에 근거하여 3차원 EFDC 수질모델을 실행하고, 실행의 결과물인 모의 수질자료를 상기 매개변수 추정 서버(10)로 제공한다.
이러한 구성에서, 매개변수 추정 서버(10)는 그 자체에 데이터베이스를 구성할 수 있으나, 자료의 원활한 송수신과 매개변수 추정 서버(10)의 부하를 감소시키기 위해서, 매개변수 추정 서버(10)와 연계되는 별도의 데이터서버(11)를 구성할 수 있다.
상기 매개변수 추정 서버(10)와 연계되는 별도의 데이터서버(11)가 구성되는 경우, 매개변수 추정 서버(10)에서 생성된 매개변수 조합이 상기 데이터서버(11)에 저장 관리되고, 모델수행 클라이언트(20)는 상기 데이터서버(11)로부터 생성된 매개변수 조합 중에서 선택된 하나 또는 둘 이상을 로드하여 3차원 EFDC 수질모델을 실행하고, 실행의 결과물인 모의 수질자료를 상기 데이터서버(11)에 저장한다. 아울러, 상기 매개변수 추정 서버(10)는 상기 데이터서버(11)에 저장된 모의 수질자료를 로드하여 적합한 매개변수의 조합을 추정하며, 추정된 매개변수 조합을 제공하도록 구성된다.
모델수행 클라이언트(20)들은 EFDC 수질모델에 필요한 자료를 수신받아 수질모델을 모의하고, 그 결과를 출력하거나 저장하도록 제어하는 기능을 수행하는 것으로서, 특정 대상지역에 대한 자료를 입력받아 미리 정해진 시간 간격으로 수질에 대한 수치의 정량적 변화치를 계산하며, 계산된 변화치를 결과물로 저장한다.
매개변수 보정부(40)는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법의 과정을 수행한다.
도 2는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 매개변수 보정부의 구성을 나타낸 도면이다.
첨부된 도 2를 참조하면, 매개변수 보정부(40)는 매개변수 저장모듈(41), 매개변수 선택모듈(42), 매개변수 조합모듈(43), 모의 수질자료 선별모듈(44), 순위 산출모듈(45), 실측 수질자료 저장모듈(46) 및 검증모듈(47)을 포함하여 구성될 수 있다.
매개변수 저장모듈(41)은 매개변수 추정 서버(10)에서 생성한 수질항목에 대한 매개변수의 종류가 저장 관리된다.
상기 매개변수는 수질항목의 모의 수질자료를 가변시킬 수 있는 변수로서, 수질항목에 따라 다양한 매개변수가 기여하게 된다.
수질 조사대상의 수질항목은 수소이온농도(pH), 총질소(T-N), 총인(T-P), 총유기탄소(TOC), 생물화학적 산소요구량(BOD), 화학적 산소요구량(COD) 및 부유물질(SS) 등으로 분류될 수 있고, 각 수질항목에 대하여 관여하는 매개변수는 더욱 다양하다.
예를 들어, 총인(T-P)에 관여하는 주 매개변수에는 입자상 유기탄소의 침강속도(WSRP, WSLP), 유기탄소의 1차 용해 또는 분해 속도상수(KRC, KLC, KDC) 등이 있으며, 일반적으로 하나의 수질항목에 대하여 수십여 개의 매개변수가 관여된다.
설계조건에 따라서, 상기 매개변수 저장모듈(41)에 저장되는 매개변수는 수질항목과 연계되어 저장 관리되도록 구성될 수 있다.
매개변수 선택모듈(42)은 사용자의 조작에 따라 선택된 수질항목에 근거하여 상기 매개변수 저장모듈(41)에서 매개변수를 선택한다.
매개변수 조합모듈(43)은 상기 매개변수 선택모듈(42)에서 선택된 매개변수를 무작위로 조합하여 수질항목에 대한 매개변수 조합을 생성한다.
일 실시 예로, 생성되는 매개변수 조합은 사용자의 설정에 따라 조정 가능하도록 구성될 수 있다.
여기서, 상기 매개변수 각각은 수질항목에 기여하는 정도에 따라 매개변수 값이 설정된 범위 내에서 부여될 수 있다.
예를 들어, 특정 매개변수의 값은 수질항목에 기여하는 정도에 따라 1.9, 2.0, 2.1 등으로 정해질 수 있는데, 하나의 매개변수가 3개의 매개변수 값으로 분류되는 경우 생성되는 매개변수 조합 Pn=(N×3)2개이다.
여기서, Pn는 매개변수의 조합 개수이고, N은 매개변수의 개수이다. 즉, 매개변수가 3개만 선택되어도 81개의 매개변수 조합이 생성될 수 있기 때문에 생성되는 매개변수의 조합은 사용자의 설정에 따라 100, 200, 300 등으로 조절되게 구성될 수 있다.
모의 수질자료 선별모듈(44)은 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 기능을 수행한다.
이때, 모의 수질자료는 모델수행 클라이언트(20)에서 추출된 데이터이고, 실측 수질자료는 실측 수질자료 저장모듈(46)에 저장된 데이터이다.
순위 산출모듈(45)은 상기 모의 수질자료 선별모듈(44)에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 기능을 수행한다.
검증모듈(47)은 상기 순위 산출모듈(45)에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합으로 입력 실행하여 매개변수 조합을 검증하는 기능을 수행한다.
여기서도, 상기 순위 산출모듈(45)에서 산출된 매개변수의 조합은 수개에서 수십여 개로 이루어질 수 있다. 이에, 매개변수 추정 서버(10)에서 모델수행 클라이언트(20)로 매개변수의 조합을 전송하여, 상기 모델수행 클라이언트(20)에서 모의 수질자료를 추출하도록 구성될 수 있다.
즉, 검증모듈(47)은 선별되어 산출된 매개변수 조합을 EFDC 수질모델에 입력하여 산출된 모의 수질자료와 실측 수질자료를 비교하여 선별된 매개변수 조합을 검증하고, 검증된 매개변수 조합을 상기 EFDC 수질모델의 매개변수 조합으로 보정하는 기능을 수행한다.
이 구성에서도, 매개변수 추정 서버(10)와 연계되는 데이터서버(11)가 구성되는 경우, 매개변수 추정 서버(10)에서 조합된 매개변수 조합은 데이터서버(11)에 저장되고, 상기 모델수행 클라이언트(20)는 상기 데이터서버(11)에서 매개변수 조합을 로드하여 모의 수질자료를 추출하도록 구성될 수 있다.
다음으로, 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 대한 과정을 설명한다.
도 3은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 대한 흐름도를 나타낸 것이다.
첨부된 도 3을 참조하면, 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법은 매개변수 선택단계(S10), 매개변수 조합 생성단계(S20), 시뮬레이션 단계(S30), 모의 수질자료 선별단계(S40), 순위산출단계(S50), 매개변수 조합 검증단계(S60)를 포함하여 이루어진다.
1. 매개변수 선택단계(S10)
매개변수 선택단계(S10)는 수질항목에 대응하는 매개변수를 선택하는 단계이다. 즉, 매개변수 선택단계(S10)는 사용자의 조작에 따라 선택된 수질항목에 근거하여 매개변수 저장모듈(41)에서 매개변수들을 선택하는 단계이다.
2. 매개변수 조합 생성단계(S20)
매개변수 조합 생성단계(S20)는 상기 매개변수 선택단계(S10)에서 선택된 매개변수를 무작위로 조합하여 복수 개의 매개변수 조합을 생성하는 단계이다.
이때, 생성되는 매개변수 조합은 설정된 범위에서 제한될 수 있다.
3. 시뮬레이션 단계(S30)
시뮬레이션 단계(S30)는 상기 매개변수 조합 생성단계에서 생성된 각각의 매개변수 조합에 대해 3차원 EFDC(Environmental Fluid Dynamic Code) 수질모델을 실행하여 모의 수질자료를 추출하는 단계이다.
여기서, 시뮬레이션의 실행은 모델수행 클라이언트(20)에서 이루어지는 것으로서, 모델수행 클라이언트(20)는 매개변수 추정 서버(10)로부터 생성된 매개변수 조합 중에서 선택된 하나 또는 다수개의 매개변수 조합을 수신하고, 수신된 매개변수 조합을 구축된 EFDC 수질모델에 입력하여 모의 수질자료를 추출하며, 추출된 모의 수질자료를 매개변수 추정 서버(10)로 전송하게 된다.
4. 모의 수질자료 선별단계(S40)
모의 수질자료 선별단계(S40)는 상기 시뮬레이션 단계(S30)에서 추출된 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 단계이다.
이때, 설정된 오차범위의 모의 수질자료는 취하고, 나머지는 버리는 방식으로 이루어질 수 있다. 즉, 평균절대오차에 설정된 오차범위 값 이상인 경우에는 이상치로 판단하여 삭제되게 된다.
여기서, 설정된 오차범위 값은 20 ~ 30%로 설정될 수 있다.
상기의 과정에서 매개변수 조합 생성단계(S20), 시뮬레이션 단계(S30) 및 모의 수질자료 선별단계(S40)는 모의 수질자료가 실측 수질자료에 일정 범위에 수렴할 때까지 반복하여 수행되도록 구성될 수 있다.
예를 들면, 모의 수질자료 선별단계(S40)의 선별 결과 무작위로 조합된 매개변수 조합으로부터 선별된 모의 수질자료의 통계값이 부적합한 경우인 것으로 판단되면, 매개변수 조합 생성단계(S20), 시뮬레이션 단계(S30) 및 모의 수질자료 선별단계(S40)를 순차적으로 반복 수행하여, 선별된 모의 수질자료에 대한 매개변수 조합이 일정 개수 이상 선별될 때까지 수행하도록 구성될 수 있다.
5. 순위산출단계(S50)
순위산출단계(S50)는 상기 모의 수질자료 선별단계(S40)에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 단계이다.
도 4는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 적용된 순위산출단계에 대한 흐름도를 나타낸 것이다.
첨부된 도 4를 참조하면, 순위산출단계는 함수회귀 모형화 단계(S51), 예측 수질자료 추출단계(S52) 및 순위결정단계(S53)를 포함하여 이루어진다.
5-1. 함수회귀 모형화 단계(S51)
함수회귀 모형화 단계(S51)는 상기 모의 수질자료 선별단계(S40)에서 선별된 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 관계를 함수회귀로 모형화하는 단계이다.
본 발명에서는 EFDC 수질모델의 매개변수 조합을 최적화하기 위한 방식으로 함수회귀모형(functional regression model)을 적용하였다. 즉, 함수회귀 모형화 단계(S51)는 함수회귀모형을 이용하여 무작위로 주어진 매개변수 조합과 EFDC 수질모델에 실행에 따라 추출된 모의 수질자료를 이용하여 매개변수와 모의 수질 사이의 관계를 모형화한다.
여기서, 함수회귀모형은 다음의 수학식 1로 표현된다.
Figure 112018008603088-pat00001
여기서, yi(t)는 i번째 매개변수 조합으로부터의 모의 수질자료에서 t시점의 값, xip는 p개의 매개변수에 대한 i번째 매개변수 조합, β0(t)는 반응함수의 수준을 나타낸 절편함수, βj(t)는 j번째 매개변수의 효과를 나타내는 계수 함수, n은 무작위로 생성된 매개변수 조합의 수, εi(t)는 t시점의 i번째 랜덤오차이다.
상기에서 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 함수회귀모형을 추정하기 위해 B-spline을 이용한 Basis expansion 방식을 적용하여 추정하도록 구성될 수 있다.
5-2. 예측 수질자료 추출단계(S52)
예측 수질자료 추출단계(S52)는 상기 함수회귀 모형화 단계에서 모형화된 함수회귀 모형에 근거하여 EFDC 수질모델의 매개변수 조합으로 입력하여 예측 수질자료를 추출하는 단계이다.
이 단계에서는 매개변수 추정 서버(10)에서 모델수행 클라이언트(20)로 선별된 매개변수의 조합을 전송하고, 상기 모델수행 클라이언트(20)에서는 전송된 매개변수 조합을 이용하여 예측 수질자료가 추출되며, 추출된 예측 수질자료는 매개변수 추정 서버(10)로 전송된다.
5-3. 순위결정단계(S53)
순위결정단계(S53)는 상기 예측 수질자료 추출단계에서 추출된 예측 수질자료와 상기 실측 수질자료를 비교하여 오차값이 최소인 순서로 순위를 결정하는 단계이다.
6. 매개변수 조합 검증단계(S60)
매개변수 조합 검증단계(S60)는 상기 매개변수 조합의 순위산출단계에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합을 갱신하여 매개변수 조합을 검증하는 단계이다.
도 5는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 무작위로 생성된 매개변수 조합을 나타낸 도면이다.
첨부된 도 5를 참조하면, 각 매개변수 값(범위)는 연구되어 저장된 자료 및 경험적 자료에 근거하여 최대 허용범위 내에서 선택되도록 구성될 수 있고, 설정된 허용범위의 최대값과 최소값에 따라 10개의 등간격으로 10개의 매개변수 값을 선택할 수 있도록 구성될 수 있다.
또한, 매개변수 조합은 Latin Hypercube 샘플링 방식을 이용하여 각 매개변수의 모든 범위를 포함하고, p(매개변수의 수)차원 공간에서 선택된 매개변수가 골고루 포함하여 추출되도록 구성된다.
도 6은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 수질항목별로 추정된 매개변수의 기여도를 나타낸 도면이다.
함수회귀모형의 입력자료를 생성하기 위해서는 매개변수에 대한 기여도 분석이 요구된다.
이에, 후보 매개변수들의 랜덤 조합을 추출하여 함수회귀모형을 적용하여 각 매개변수에 대응되는 새로운 매개변수들의 계수 절대값의 합을 비교하여 기여도가 산출된다.
본 발명에 의하면, 선택된 수질항목에 대한 매개변수의 조합을 추정할 수 있으므로, 객관적으로 분석된 자료에 근거한 매개변수의 조합을 생성할 수 있고, 이에 따른 시뮬레이션의 결과에 신뢰성을 향상시킬 수 있는 장점이 있다.
또한, 비전문적인 사용자에 의해서도 동일한 결과를 도출할 수 있고, 3차원 EFDC 수질모델에 대한 적합한 매개변수의 조합을 도출하는 데 소요되는 시간을 단축할 수 있는 장점이 있다.
이상에서 본 발명의 바람직한 실시 예를 설명하였으나, 본 발명의 권리범위는 이에 한정되지 아니하며 본 발명의 실시 예와 실질적으로 균등한 범위에 있는 것까지 본 발명의 권리범위가 미치는 것으로 이해되어야 하며, 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능하다.
10: 매개변수 추정 서버
11: 데이터서버
20: 모델수행 클라이언트
30: EFDC 수질모델
40: 매개변수 보정부

Claims (3)

  1. 수질항목에 대응하는 매개변수를 선택하는 매개변수 선택단계;
    상기 매개변수 선택단계에서 선택된 매개변수를 무작위로 조합하여 복수 개의 매개변수 조합을 생성하는 매개변수 조합 생성단계;
    상기 매개변수 조합 생성단계에서 생성된 각각의 매개변수 조합에 대해 3차원 EFDC(Environmental Fluid Dynamic Code) 수질모델을 실행하여 모의 수질자료를 추출하는 시뮬레이션 단계;
    상기 시뮬레이션 단계에서 추출된 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 모의 수질자료 선별단계;
    상기 모의 수질자료 선별단계에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 순위산출단계; 및
    상기 매개변수 조합의 순위산출단계에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합으로 입력 실행하여 매개변수 조합을 검증하는 매개변수 조합 검증단계;
    를 포함하고,
    상기 매개변수 선택단계에서 상기 매개변수 각각은 수질항목에 기여하는 정도에 따라 설정된 범위 내에서 부여되며,
    상기 매개변수 조합 생성단계에서 생성되는 매개변수 조합은 설정에 따라 조절 가능하도록 구성되고,
    상기 매개변수 조합의 순위산출단계는,
    상기 모의 수질자료 선별단계에서 선별된 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 관계를 함수회귀로 모형화하는 함수회귀 모형화 단계;
    상기 함수회귀 모형화 단계에서 모형화된 함수회귀 모형에 근거하여 EFDC 수질모델의 매개변수 조합으로 입력하여 예측 수질자료를 추출하는 예측 수질자료 추출단계; 및
    상기 예측 수질자료 추출단계에서 추출된 예측 수질자료와 상기 실측 수질자료를 비교하여 오차값이 최소인 순서로 순위를 결정하는 순위결정단계;
    를 포함하며,
    상기 함수회귀 모형화 단계에서 회귀함수모형은 아래의 수학식에 의해 모형화되되, 상기 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 함수회귀모형을 추정하기 위해 B-spline을 이용한 Basis expansion 방식을 적용하여 추정하도록 구성되는 것을 특징으로 하는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법.
    [수학식]
    Figure 112019059734158-pat00008

    여기서, yi(t)는 i번째 매개변수 조합으로부터의 모의 수질자료에서 t시점의 값, xip는 p개의 매개변수에 대한 i번째 매개변수 조합, β0(t)는 반응함수의 수준을 나타낸 절편함수, βj(t)는 j번째 매개변수의 효과를 나타내는 계수 함수, n은 무작위로 생성된 매개변수 조합의 수, εi(t)는 t시점의 i번째 랜덤오차이다.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 수질항목은,
    총유기탄소 농도(TOC), 총질소 농도(TN), 총인 농도(TP) 및 조류농도(Chl-a) 중에서 선택된 하나 이상인 것을 특징으로 하는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법.
KR1020180009049A 2018-01-25 2018-01-25 Efdc 수질모델의 통계기법을 이용한 자동보정 방법 KR102033507B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180009049A KR102033507B1 (ko) 2018-01-25 2018-01-25 Efdc 수질모델의 통계기법을 이용한 자동보정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180009049A KR102033507B1 (ko) 2018-01-25 2018-01-25 Efdc 수질모델의 통계기법을 이용한 자동보정 방법

Publications (2)

Publication Number Publication Date
KR20190090425A KR20190090425A (ko) 2019-08-02
KR102033507B1 true KR102033507B1 (ko) 2019-10-17

Family

ID=67613977

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180009049A KR102033507B1 (ko) 2018-01-25 2018-01-25 Efdc 수질모델의 통계기법을 이용한 자동보정 방법

Country Status (1)

Country Link
KR (1) KR102033507B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (ja) * 2006-02-27 2007-09-13 Toshiba Corp 下水処理場運転支援装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120075948A (ko) * 2010-12-29 2012-07-09 전남대학교산학협력단 다중회귀분석을 통한 수질 환경 추정 방법
KR101409316B1 (ko) * 2012-07-03 2014-06-18 재단법인 에이펙 기후센터 다중모델 확률예측 시스템 및 방법
KR101492323B1 (ko) 2013-04-18 2015-02-11 창원대학교 산학협력단 다차원 수리모형을 이용한 하천흐름 연계모의 gui장치
KR101594148B1 (ko) 2015-02-26 2016-02-15 (주)휴먼플래닛 Efdc 수치모델 입/출력자료 가시화 및 분석 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (ja) * 2006-02-27 2007-09-13 Toshiba Corp 下水処理場運転支援装置

Also Published As

Publication number Publication date
KR20190090425A (ko) 2019-08-02

Similar Documents

Publication Publication Date Title
Mogheir et al. Characterizing the spatial variability of groundwater quality using the entropy theory: I. Synthetic data
Smith et al. Identifying influences on model uncertainty: an application using a forest carbon budget model
Li et al. Uncertainty analysis in ecological studies
US20070061144A1 (en) Batch statistics process model method and system
CN110321518B (zh) 一种判定水文时间序列趋势类型的方法
Haupt et al. A Genetic Algorithm Method to Assimilate Sensor Data for a Toxic Contaminant Release.
Fang et al. Uncertain Johnson–Schumacher growth model with imprecise observations and k-fold cross-validation test
Bigoni et al. Efficient uncertainty quantification of a fully nonlinear and dispersive water wave model with random inputs
Okkan Assessing the effects of climate change on monthly precipitation: proposing of a downscaling strategy through a case study in Turkey
McCulloch et al. Calibrating agent-based models using uncertainty quantification methods
Arfanuzzaman Impact of CO2 emission, per capita income and HDI on Environmental Performance Index: empirical evidence from Bangladesh
KR102033507B1 (ko) Efdc 수질모델의 통계기법을 이용한 자동보정 방법
Laqrichi et al. Integrating uncertainty in software effort estimation using Bootstrap based Neural Networks
CN117116382A (zh) 引水工程影响下受水湖泊水质时空预测方法和系统
Aliabadi et al. Artificial neural networks and advanced fuzzy techniques for predicting noise level in the industrial embroidery workrooms
Hossain et al. A non-linear and stochastic response surface method for Bayesian estimation of uncertainty in soil moisture simulation from a land surface model
Brinkgreve Automated model and parameter selection: incorporating expert input into geotechnical analyses
Ngabu et al. CLUSTER FAST DOUBLE BOOTSTRAP APPROACH WITH RANDOM EFFECT SPATIAL MODELING
Ünal Nonlinear chaotic analysis of usd/try and eur/try exchange rates
Firmino et al. An expert opinion elicitation method based on binary search and Bayesian intervals
Ruggiero et al. On the determination of the uncertainty in environmental noise measurements
Tokmakian et al. Uncertainty in modeled upper ocean heat content change
Choi et al. Robust estimation of support vector regression via residual bootstrap adoption
US7302372B1 (en) Technique for optimization of a simplified network model
Apollo Prognostic and diagnostic capabilities of OOBN in assessing investment risk of complex construction projects

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