KR102288682B1 - 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치 - Google Patents

유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치 Download PDF

Info

Publication number
KR102288682B1
KR102288682B1 KR1020200173279A KR20200173279A KR102288682B1 KR 102288682 B1 KR102288682 B1 KR 102288682B1 KR 1020200173279 A KR1020200173279 A KR 1020200173279A KR 20200173279 A KR20200173279 A KR 20200173279A KR 102288682 B1 KR102288682 B1 KR 102288682B1
Authority
KR
South Korea
Prior art keywords
depth
flow velocity
numerical simulation
time
data
Prior art date
Application number
KR1020200173279A
Other languages
English (en)
Inventor
황진환
정재영
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020200173279A priority Critical patent/KR102288682B1/ko
Application granted granted Critical
Publication of KR102288682B1 publication Critical patent/KR102288682B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Fluid Mechanics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치에 관한 것으로, (a) 해당 유역에서의 기존의 수리/수문자료를 입력자료로 하여 취득 가능한 모든 유황에 대해 시간에 따른 수심과 유속장을 포함하는 수치모의결과를 산출하는 단계와; (b) 해당 유역의 주요 특징점을, 유속/수심의 추세를 바탕으로 상기 수치모의결과 자료를 인덱싱하여 주요점으로 선정하는 단계와; (c) 유출사고 발생이 인지되면 선정된 상기 주요점의 실제 위치에 설치된 유속/수심 관측소가 유해화학물질 유출사고 당시의 유속/수심 현장자료를 취득하는 단계와; (d) 상기 주요점의 위치에 설치된 관측소에서 유출사고 당시 실제 취득된 유속/수심 현장자료를 바탕으로 상기 인덱싱된 수치모의결과들의 주요점의 유속/수심 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 수치모의결과를 탐색하여 하나의 수치모의결과를 불러오는 단계, 및 (e) 상기 선택된 하나의 수치모의결과와 유해화학물질의 물리/화학적 특징을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하는 단계로 이루어짐으로써, 수흐름 내 유해물질의 수리동역학 모의를 위한 시간을 크게 줄일 수 있어 유해화학물질 유출사고의 신속대응에 관한 많은 활동 및 계획 등에 이용될 수 있다.

Description

유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치 {Rapid prediction method for the behavior of hazardous substances in the water environment in the case of accidental leakage of hazardous substances and device thereof}
본 발명은 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치에 관한 것으로, 더욱 상세하게는 사전에 수리동역학 모의를 수행하여 해당 유역의 과거 수리/수문자료를 바탕으로 수치모의결과를 산출하여 이를 데이터베이스화 구성하고 유출사고 발생 당시에 해당하는 데이터베이스내 자료를 탐색하고 선택하는 단계를 통해 수흐름 내 유해물질의 수리동역학 모의를 위한 시간을 크게 줄일 수 있는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치에 관한 것이다.
해마다 수십 건에 이르는 화학물질 유출 사고로 인해 인명, 재산 피해가 보고되고 있는 가운데, 수계를 중심으로 가속화되는 도시화로 인하여 사고로 인한 유해 화학물질의 수흐름내 유출에 대한 위기는 고조되어 가고 있다.
유해 화학물질 유출사고의 위기에 대한 기존의 관리는 유출사고 발생시 “사고 확인 및 사후 대응”에 집중하여 계획과 정책이 수립되고 대응 매뉴얼이 구성되어왔다. 사고의 추이 예측 또한 사고 발생 후 유역의 사고 당시 현황을 파악하여 수리동역학 모형과 유해화학물질의 이송·확산모형을 연계한 통합모형을 통해 예측 모의를 수행되어 왔고, 이를 바탕으로 적절한 사고의 추이 대응이 꾸려져 왔다.
하지만, 수리동역학 모형의 사고의 규모에 대해 정밀하게 수행하기 위해서는 상당한 시간을 요하며, 신속성의 이념에 반하였다. 따라서, 계산량을 대폭 낮춘 2차원 이하의 수리동역학 모형을 바탕으로 수치 모의를 구성하여 다소 정확도를 포기하고 모의 속도를 확보하는 것이 기존의 주된 방식이었다. 하지만 이러한 방법으로도 실시간 모의를 달성하기 어려우며, 화학물질의 확산과 같이 섬세한 물리 현상을 다루는 데 있어서 1·2차원 모형은 투박하다는 단점이 지속적으로 제기되어 왔다.
한편, 근래에 이르러 도시의 재해에 관한 위기 관리는 “사고 확인 및 사후 대응” 체제를 넘어서 “사고에 대한 도시의 취약성을 저감”시키는 방향으로 수립되고 있고, 이를 위한 다양한 활동과 계획이 수립되고 연구되고 있다. 이 때 그러한 다양한 계획과 활동에 있어서 수치모의를 통한 신속한 예측은 많은 부분에 관여되고 있다. 하지만 아직도 유해화학물질의 추이 예측에 관하여 실시간 이상의 신속하며 정확한 예측 방법에 관한 기술은 제기되지 않고 있다.
종래 기술인 대한민국 공개특허공보 제10-2019-0018192호(2019.02.22.공개)는 유해화학물질의 다층적 확산분석정보 제공방법이 제시되고 있는데, 수치표면모델(DSM) 데이터, 위성 및 항공 데이터를 제공하는 통합 플랫폼을 기반으로 3차원 시설물, 토지 피복도, 유해화학물질 저장소를 포함하는 3차원 공간데이터를 구축하는 제1 단계와, 기 설정된 다 방향의 풍향 및 다단계의 풍속의 모든 조합 조건에 해당하는 풍향 및 풍속 조건별 유해화학물질의 확산 범위와 이동 경로 및 오염 농도를 다층의 고도별로 예측 분석하여 저장하는 제2 단계, 상기 유해화학물질에 대한 누출 발생 시점의 풍향 및 풍속을 포함하는 현장 기상 정보를 수신하는 제3단계, 현장의 풍향 및 풍속에 해당하는 기 저장된 유해화학물질의 분석 결과를 호출하여 3차원 공간데이터에 고도에 대응하여 다층적으로 가시화하여 표시출력하는 제4 단계를 포함하여 구성되는 것을 개시하고 있지만, 지역적 특성을 잘 반영하면서 유해화학물질 유출사고의 신속대응에는 한계가 있다.
대한민국 공개특허공보 제10-2019-0018192호(2019.02.22.공개, 발명의 명칭: 유해화학물질의 다층적 확산분석정보 제공방법)
본 발명은 기존의 예측방식에서 신속성과 예측성의 타협에 관한 한계라는 상기와 같은 문제점을 해결하기 위한 것으로, 본 발명의 목적은 방대한 수치모의결과에 대한 데이터베이스의 구축과 탐색/선택 방법에 대한 문제를 해결하여 사전에 3차원이나 2차원 정밀 수리동역학 모형을 수행하여 미리 수리 흐름에 관한 모의 자료를 구축하고 유사시에 유출사고 당시와 가장 유사한 데이터를 탐색/선택하여 유해물질에 대한 이송·확산만을 빠르게 예측할 수 있는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치를 제공하는데 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명은 (a) 수리동역학 모형 수행모듈이 해당 유역에서의 기존의 수리/수문자료를 입력자료로 하여 수리동역학 모형을 통해, 취득 가능한 모든 유황에 대한 수치모의를 사전(유출사고 발생전)에 실시하고 시간에 따른 수심과 유속장을 포함하는 수치모의결과를 산출하는 단계와; (b) 주요점 선정 모듈이 해당 유역의 주요 특징점을, 유속/수심의 추세를 바탕으로 상기 수치모의결과 자료를 인덱싱하여 주요점으로 선정하는 단계와; (c) 유출사고 발생이 인지되면 선정된 상기 주요점의 실제 위치에 설치된 유속/수심 관측소가 유해화학물질 유출사고 당시의 유속/수심 현장자료를 취득하는 단계와; (d) 수치모의결과 탐색/선택 모듈이 상기 주요점의 위치에 설치된 관측소에서 유출사고 당시 실제 취득된 유속/수심 현장자료를 바탕으로 상기 인덱싱된 수치모의결과들의 주요점의 유속/수심 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 수치모의결과를 탐색하여 선택된 인덱스에 해당하는 하나의 수치모의결과를 불러오는 단계, 및 (e) 이송·확산 모의수행 모듈이 상기 선택된 하나의 수치모의결과(시간에 따른 유속/수심)와 유해화학물질의 물리/화학적 특징(확산계수, 반응계수)을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하는 단계로 이루어지는 것을 특징으로 한다.
또한, 본 발명의 상기 단계(b)에서 주요점 선정은, (b1) 각 유황별로 상기 수치모의결과인 수심과 유속에 대한 시공간 행렬과 시공간 편차 행렬을 구성하는 단계와; (b2) 적합직교분해 또는 동역학적모드분해를 이용하여 모드 분해하는 단계와; (b3) 분해된 모드들에 대해 주된 에너지를 갖는 주요모드 내의 극점들(유속과 수심의 최대점, 유속과 수심의 최소점)을 찾는 단계, 및 (b4) 취득한 모든 유황에 대해서 각 유황별로 찾은 극점들을 취합하여 취합한 극점들에 대해 클러스터링을 수행하고 각 클러스터(cluster)를 대표하는 대표점들을 산정하며, 취득한 모든 유황을 분류할 수 있는 수의 대표점들을 주요점으로 선정하는 단계로 이루어진다.
또한, 본 발명의 상기 단계(b1)에서 시공간 행렬(u,h)은 다음의 수학식들,
Figure 112020134719810-pat00001
,
Figure 112020134719810-pat00002
(여기서, u는 x방향 유속, v는 y방향 유속, w는 z방향 유속, h는 수심, 윗첨자는 시간스탭번호, 아랫첨자는 공간격자번호, N은 수치모의된 총 시간 스텝, M은 총 공간격자수)이고, 시공간 편차 행렬은 다음의 수학식들,
Figure 112020134719810-pat00003
,
Figure 112020134719810-pat00004
(여기서,
Figure 112020134719810-pat00005
로 각 격자에서의 유속에 대한 시간평균 행렬,
Figure 112020134719810-pat00006
로 각 격자에서의 수심에 대한 시간평균 행렬)이다.
또한, 본 발명의 상기 단계(b2)에서 적합직교분해는 다음의 수학식들,
Figure 112020134719810-pat00007
(여기서, C는 공분산행렬, U는 시공간 편차행렬로 u' 또는 h'에 해당하며 윗첨자 T는 행렬의 전치),
Figure 112020134719810-pat00008
(여기서, r은 우고유벡터, λ는 고유값, 윗첨자 i는 i번째 고유값에 대응되는 직교공간)을 이용하여 적합직교모드(POD)를 다음의 수학식,
Figure 112020134719810-pat00009
(여기서,
Figure 112020134719810-pat00010
는 i번째 고유값에 대응하는 직교공간에 해당하는 적합직교모드(POD,i갯수는 모드 수))을 통해 분해하는 것이고,
동역학적모드분해는 다음의 수학식들,
Figure 112020134719810-pat00011
(여기서, 윗첨자 H는 켤레복소전치, QH는 V1:N-1의 QR-분해에서 Q-행렬 Q의 켤레복소전치 행렬, R은 V1:N-1의 QR-분해에서의 R-행렬, 윗첨자 -1은 역행렬,
Figure 112020134719810-pat00012
, V는 시공간 행렬로 u 또는 h에 해당하고, N은 수치모의된 총 시간 스텝),
Figure 112020134719810-pat00013
(여기서, r은 우고유벡터, λ는 고유값, 윗첨자 i는 i번째 고유값에 대응되는 직교공간)을 이용하여 동역학적 직교모드(i갯수는 모드 수)를 다음의 수학식,
Figure 112020134719810-pat00014
(여기서,
Figure 112020134719810-pat00015
는 i번째 고유값에 대응하는 직교공간에 해당하는 동역학적 직교모드,
Figure 112020134719810-pat00016
)에 의하여 산출하는 것이다.
또한, 본 발명의 상기 단계(b3)에서 주요모드는 표준화된 누적에너지로 90%이상의 에너지에 해당하는 모드들인데, 표준화된 에너지는 다음의 수학식,
Figure 112020134719810-pat00017
(여기서, ei는 i번째 고유값에 해당하는 모드의 표준화된 에너지, ∥ㆍ∥은 norm-작용소이며, φ는
Figure 112020134719810-pat00018
또는
Figure 112020134719810-pat00019
)으로 산정하고,
상기 표준화된 누적에너지는 다음의 수학식,
Figure 112020134719810-pat00020
(여기서, Ei는 1번째부터 i번째 고유값에 해당하는 모드까지 표준화된 누적에너지)으로 산정하는 것이다.
또한, 본 발명의 상기 단계(b4)에서 분류는 대표점들의 유속/수심의 추세를 바탕으로 의사결정트리(Decision tree) 알고리즘을 사용하고, 취득한 모든 유황이 대표점들의 유속/수심의 자료를 바탕으로 모두 분류하여 구별할 수 있는 숫자의 대표점들을 선정하되, 극점들의 분포에 따라 대표점의 중요도(1군 대표점, 2군 대표점...i군 대표점)를 산정하고 대표점의 중요도를 바탕으로 수치모의결과를 인덱싱(0군 인덱스: 수리/수문자료가 입력되는 개방경계조건, 1군 인덱스: 1군 대표점에서의 유속/수심 추세, 2군 인덱스: 2군 대표점에서의 유속/수심 추세...i군 인덱스: i군 대표점에서의 유속/수심 추세)하는 것이다.
또한, 본 발명의 상기 단계(d)에서 수치모의결과의 탐색/선택 방법은, (d1) 0군 인덱스로서 개방경계조건에서의 수리/수문자료의 유출사고 전·후의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과를 선별하는 단계와; (d2) 상기 단계(d1)에서 선별된 수치모의결과 중에서 1군의 인덱스로서 주요점에서 취득한 유출사고 전·후의 유속/수심의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과를 선별하는 단계와; (d3) 상기 단계(d2)에서 선별된 수치모의결과 중에서 2군의 인덱스로서 주요점에서 취득한 유출사고 전·후의 유속/수심의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과를 선별하는 단계, 및 (d4) 상기 인덱싱된 데이터베이스내에서 수치모의결과가 하나가 취득되는 i군의 인덱스까지 탐색을 반복하여 최종 하나의 수치모의결과를 선택하는 단계로 이루어지되, 상기 상관도는 다음의 수학식,
Figure 112020134719810-pat00021
(여기서, X는 주요점에서의 수치모의결과의 유속/수심의 유출사고 전·후의 변동(추세), Y는 주요점에 해당하는 지점에서 운용되는 관측소에서 실제 계측된 유속/수심의 유출사고 전·후의 변동(추세), j는 시간스텝을 나타내는 인덱스, n은 추세를 비교할 시간스텝수, overbar ￣는 평균값을 의미하는 것으로
Figure 112020134719810-pat00022
,
Figure 112020134719810-pat00023
)을 이용한다.
또한, 본 발명의 유해물질거동 예측장치는 기존의 수리/수문자료를 입력자료로 하여 수리동역학 모형을 통해, 취득 가능한 모든 유황에 대한 수치모의를 사전에 실시하는 수리동역학 모형 수행모듈과; 해당 유역의 주요 특징점을, 유속/수심의 추세를 바탕으로 수치모의결과 자료를 인덱싱하여 주요점으로 선정하는 주요점 선정 모듈과; 주요점의 위치에 구축된 관측소에서 유출사고 당시 실제 취득된 유속/수심 자료를 바탕으로 수치모의결과들의 주요점의 유속/수심의 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 수치모의결과를 탐색하여 선택하는 수치모의결과 탐색/선택 모듈과; 선택된 수치모의결과와 유해화학물질의 물리/화학적 특징을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하는 이송·확산 모의수행 모듈, 및 상기 모듈들을 통해 연산되거나 입출력되는 자료가 저장되는 저장 장치를 포함하되, 상기 주요점 선정 모듈은, 각 유황(유역상황)별로 상기 수치모의결과인 수심과 유속에 대한 시공간 행렬과 시공간 편차 행렬을 구성하는 단계와; 적합직교분해 또는 동역학적모드분해를 이용하여 모드 분해하는 단계와; 분해된 모드들에 대해 주된 에너지를 갖는 주요모드 내의 극점들(유속과 수심의 최대점, 유속과 수심의 최소점)을 찾는 단계, 및 취득한 모든 유황(유역상황)에 대해서 각 유황(유역상황)별로 찾은 극점들을 취합하여 취합한 극점들에 대해 클러스터링을 수행하고 각 클러스터(cluster)를 대표하는 대표점들을 산정하며, 취득한 모든 유황(유역상황)을 분류할 수 있는 수의 대표점들을 주요점으로 선정하는 단계로 주요점을 선정한다.
이상에서 살펴본, 본 발명인 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치는 사전에 수리동역학 모의를 수행하여 해당 유역의 과거 수리/수문자료를 바탕으로 수치모의결과를 산출하여 이를 데이터베이스화 구성하고 유출사고 발생 당시에 해당하는 데이터베이스내 자료를 탐색하고 선택하는 단계를 통해 수흐름 내 유해물질의 수리동역학 모의를 위한 시간을 크게 줄일 수 있어 유해화학물질 유출사고의 신속대응에 관한 많은 활동 및 계획 등에 이용될 수 있는 효과가 있다.
도 1 은 본 발명에 따른 유해물질거동에 대한 신속예측방법의 전체 흐름도를 나타낸 도면.
도 2 는 본 발명에 따른 유해물질거동에 대한 신속예측방법이 수행되는 일실시예로서 수리동역학모형에 있어서 교각 뒤 흐름을 대상으로 하는 격자계를 보여주는 도면.
도 3 은 본 발명에 따른 유해물질거동에 대한 신속예측방법에서 일실시예인 동역학적 모드분해를 통해 얻은 각 모드별 표준화된 에너지를 나타내는 도면.
도 4 는 도 3의 동역학적 모드분해를 통해 모드별 분해된 유체의 흐름장을 일실시예인 도 2의 교각 뒤 흐름을 대상으로 나타내는 도면.
도 5 는 도 4의 1번 모드에 대하여 탐색된 극점을 나타내는 도면.
도 6 은 도 2의 교각 뒤 흐름을 대상으로 모든 유황에 대해 탐색된 극점들과 클러스터링을 수행하여 선정된 대표점들을 나타내는 도면.
도 7 은 본 발명에서 실제 수치모의결과와 이를 가리키는 인덱싱에 사용된 축소된 시공간 정보와의 비교를 나타낸 도면.
도 8 은 본 발명에서 모든 유황을 분류하기 위한 일실시예인 의사결정트리를 나타낸 도면.
도 9 는 본 발명에 따른 유해물질거동에 대한 신속예측방법과 관련된 장치의 일실시예를 나타낸 구성도.
상기와 같이 구성된 본 발명의 바람직한 실시예를 첨부된 도면을 참조하면서 상세히 설명하면 다음과 같다. 첨부된 도면들 및 이를 참조한 설명은 본 발명에 관하여 당해 기술 분야에서 통상의 지식을 가진 자들이 쉽게 이해할 수 있도록 하기 위해 예시된 것이며, 본 발명의 사상 및 범위를 한정하려는 의도로 제시된 것은 아님에 유의하여야 할 것이다.
도 9는 본 발명에 따른 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법과 관련된 장치의 일실시예를 나타낸 구성도로, 유해물질거동 예측장치(10)는 사전(유출사고 발생전)에 3차원이나 2차원 정밀 수리동역학 모형을 수행하여 미리 수리 흐름에 관한 모의 자료를 구축하고 유사시에 유출사고 당시와 가장 유사한 데이터를 탐색/선택하여 유해물질에 대한 이송·확산만을 빠르게 예측할 수 있는 것으로, 기존의 수리/수문자료를 입력자료로 하여 수리동역학 모형을 통해 취득 가능한 모든 유황에 대한 수치모의를 실시하는 수리동역학 모형 수행모듈(11), 경계점과 해당 유역의 주요 특징점을 유속/수심의 추세를 바탕으로 상기 수치모의결과 자료를 인덱싱하여 주요점으로 선정하는 주요점 선정 모듈(12), 상기 주요점의 위치에 구축된 관측소에서 유출사고 당시 실제 취득된 유속/수심 자료를 바탕으로 상기 수치모의결과들의 주요점의 유속/수심의 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 수치모의결과를 탐색하여 선택하는 수치모의결과 탐색/선택 모듈(13), 상기 선택된 수치모의결과와 유해화학물질의 물리/화학적 특징을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하는 이송·확산 모의수행 모듈(14)을 포함한다. 즉, 수리동역학 모형 수행모듈(11), 주요점 선정 모듈(12), 수치모의결과 탐색/선택 모듈(13) 및 이송·확산 모의수행 모듈(14)은 본 발명이 컴퓨터상에서 수행되도록 하기 위한 기술적 수단으로 수리동역학 모형 수행부, 주요점 선정부, 수치모의결과 탐색/선택부 및 이송·확산 모의수행부로 각각 명명할 수도 있다.
상기 유해물질거동 예측장치(10)는 서버, 데스크톱, 노트북 또는 휴대용 단말기 등으로, 유해물질 유출시 수환경내 유해물질거동에 대한 신속한 예측을 수행하기 위한 소프트웨어를 저장 포함한다.
더불어 상기 유해물질거동 예측장치(10)에서 연산되거나 입출력되는 자료는 별도의 저장 장치(20)에 저장되도록 하는 것이 좋다. 상기 유해물질거동 예측장치(10)는 저장 장치(20)를 포함할 수도 있다.
상기와 같이 이루어진 본 발명에 따른 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법에 관하여 도 1의 흐름도를 참조하여 설명하면 다음과 같다.
먼저, 해당 유역에 대해 축적된 수리/수문자료들을 바탕으로 취득 가능한 모든 유역상황(이하,'유황'이라 함)에 대해 수리동역학 모형으로 수흐름을 수치모의하여 그 결과들을 산출한다(S10).
즉, 수리/수문자료(해당 유역에서의 풍향/풍속, 유량, 수심, 지형측량 자료)를 입력자료로 하여, 수리동역학 모형(천수방정식(shallow water equations), 다층 천수방정식(multilayered shallow water equations), 3차원 나비에-스톡스 방정식(Navier-Stokes equations) 등)을 통해 시간에 따른 수심과 유속장을 포함하는 수치모의결과를 취득하는데, 해당 유역에서 얻을 수 있는 모든 유황을 대상으로 수치모의를 수행하여 취득 가능한 모든 경우에 대한 수치모의자료를 취득한다.
다시 말해, 상기 S10은 수리동역학 모형 수행단계로 기존의 홍수통제소와 같은 관측소에서 취득한 수리/수문자료를 입력자료로 하여 수리동역학 모형을 통해 모든 유황에 대한 수치 모의를 실시하고 수치모의결과를 취득하는 과정이며, 이는 사전에 실시할 수 있는 것이므로 대상화학물질의 거동 규모와 특성에 맞게 충분한 정확도로 수행되어야 한다.
이에 수리동역학 모형 수행모듈(11)은 해당 유역에서의 기존의 수리/수문자료를 입력자료로 하여 수리동역학 모형을 통해 취득 가능한 모든 유황에 대한 수치모의를 실시하고 시간에 따른 수심과 유속장을 포함하는 수치모의결과를 산출하게 되는데, 이러한 산출 과정은 최종적으로 컴퓨터로 수행하기 위해 프로그램 언어를 통해 알고리즘으로 코딩한 프로그램이고, 다시 말해 이러한 프로그램은 상기 수리동역학 모형을 포함하면서 유해물질거동 예측장치(10) 또는 저장 장치(20)에 저장되어 수리동역학 모형 수행모듈(11)이 유해물질거동 예측장치(10) 또는 저장 장치(20)에 입력저장된 입력자료와 상기 프로그램을 이용하여 수치모의결과를 산출하게 되는 것이다.
다음으로, 상기 S10에서 축적된 수리/수문자료를 입력자료로 하여 산출된 수리동역학 모형의 수치모의결과들을 데이터베이스화(인덱싱) 한다(S20).
즉, 상기 S10에서 구축된 수치모의결과 자료를 데이터베이스화하는 단계로, 추후 유출사고 발생시를 가장 잘 나타내는 결과자료를 빠르게 탐색하여 선택할 수 있도록 하는 기능을 고려하여 구축되어야 한다. 이를 위해 (i)경계조건으로 수리/수문자료가 직접 입력되는 경계점(Boundary point)과 유역의 큰 규모에서의 주요 특징점을 유속/수심의 추세를 바탕으로 수치모의결과 자료를 인덱싱(indexing)하여 저장하고(인덱싱 방법), 주요점(Primary point)으로 선정한다. 이러한 경우, 주요점은 해당 유역의 지역적 특성을 가장 잘 반영하는 지점이라 할 수 있으므로 이후 단계들에 의하여 전체 유역에 대한 수리동역학적 물리량을 비교하는 대신 주요점에서의 유속/수심을 유출사고 발생 당시와 비교하여 가장 유사한 자료를 선택한다.
한편, 현장 자료를 취득하기 위해 해당 유역은 주요점에 대한 관측소를 사전에 구비(이후 S30에서 상술)해야 한다. 따라서 본 발명은 전체 예측시스템에 대한 일부로 해당 유역의 유황을 분별하는 관측소의 구축 방법을 포함한다.
본 발명에서 일실시예로 사용하는 상기 주요점의 선정 방법은 오더축소기법(Reduced order method)을 통해 흐름장을 직교분해(Orthogonal decomposition)하여 주요 흐름장을 확보하고, 주요 흐름들의 주요 극점들(최대/최소점, 변곡점)들을 대상으로 주요점을 선정하는데, 구체적인 과정은 다음의 (1) 내지 (4)로 나뉜다.
(1) 각 유황의 수치모의결과인 수심과 유속에 대한 시공간 편차 행렬 구성
우선 각 유황의 수치모의결과인 유속과 수심에 대한 시공간 행렬(u,h)을 구성하는데, 이에 대한 수학식은 다음의 수학식 1과 수학식 2와 같다.
Figure 112020134719810-pat00024
Figure 112020134719810-pat00025
여기서, u는 x방향 유속, v는 y방향 유속, w는 z방향 유속, h는 수심, 윗첨자는 시간스탭번호, 아랫첨자는 공간격자번호, N은 수치모의된 총 시간 스텝, M은 총 공간격자수를 나타낸다.
상기 수학식 1과 수학식 2를 이용하여 유속과 수심에 대한 편차 행렬(u',h')을 구성하는데, 에르고딕성 가정을 하여 다음의 수학식 3과 수학식 4를 통해 각 유황의 수치모의결과인 유속과 수심에 대한 시공간 편차행렬을 산출한다.
Figure 112020134719810-pat00026
여기서,
Figure 112020134719810-pat00027
로 각 격자에서의 유속에 대한 시간평균 행렬이다.
Figure 112020134719810-pat00028
여기서,
Figure 112020134719810-pat00029
로 각 격자에서의 수심에 대한 시간평균 행렬이다.
(2) 차원축소기법에 의한 모드 분해
모드 분해는 ①적합직교분해 또는 ②동역학적모드분해를 사용한다.
① 적합직교분해 (Proper Orthogonal Decomposition; POD)
우선 다음의 수학식 5를 통해 공분산행렬 C를 구성한다.
Figure 112020134719810-pat00030
여기서, U는 시공간 편차행렬로 u' 또는 h'에 해당하며 윗첨자 T는 행렬의 전치를 의미한다.
상기 수학식 5를 이용하여 다음의 수학식 6의 고유값 문제를 푼다.
Figure 112020134719810-pat00031
여기서, r은 우고유벡터, λ는 고유값, 윗첨자 i는 i번째 고유값에 대응되는 직교공간임을 나타낸다. 상기 고유값 λ과 우고유벡터 r는 고유값 λi의 크기가 다음의 수학식 7과 같이 내림차순이 되도록 재배치한다.
Figure 112020134719810-pat00032
상기 수학식 5 내지 수학식 7을 이용하여 적합직교모드(proper orthogonal mode decomposition, POD)를 다음의 수학식 8을 통해 분해한다.
Figure 112020134719810-pat00033
여기서,
Figure 112020134719810-pat00034
는 i번째 고유값에 대응하는 직교공간에 해당하는 적합직교모드(POM,i갯수는 모드 수)이다.
② 동역학적모드분해 (Dynamic Mode Decomposition, DMD)
우선 유속과 수심에 대하여 다음의 수학식 9을 통해 스냅샷 행렬 V를 정의한다.
Figure 112020134719810-pat00035
여기서, V는 시공간 행렬로 u 또는 h에 해당하고, N은 수치모의된 총 시간 스텝이다.
상기 수학식 9를 이용하여 다음의 수학식 10을 구성하여 행렬 A와 S를 정의한다. 즉, A를 S로 대신하고 아래 수학식 11에서 S를 계산하게 된다.
Figure 112020134719810-pat00036
여기서, V1:N-1의 QR-분해를 수행하여 행렬 S를 다음의 수학식 11과 같이 계산한다.
Figure 112020134719810-pat00037
여기서, 윗첨자 H는 켤레복소전치를 의미하고, QH는 V1:N-1의 QR-분해에서 Q-행렬 Q의 켤레복소전치 행렬이고, R은 V1:N-1의 QR-분해에서의 R-행렬이며, 윗첨자 -1은 역행렬을 의미하고,
Figure 112020134719810-pat00038
이다.
상기 수학식 11을 이용하여 다음의 수학식 12의 행렬 S에 대한 고유값 문제를 푼다.
Figure 112020134719810-pat00039
여기서, r은 우고유벡터, λ는 고유값, 윗첨자 i는 i번째 고유값에 대응되는 직교공간임을 나타낸다. 상기 고유값 λ과 우고유벡터 r는 고유값 λi의 크기가 상기 수학식 7과 같이 내림차순이 되도록 재배치한다.
상기 수학식 10 내지 수학식 12를 이용하여 다음의 수학식 13에 의하여 동역학적 직교모드(i갯수는 모드 수)를 산출한다(도 2 및 도 4 참조).
Figure 112020134719810-pat00040
여기서,
Figure 112020134719810-pat00041
는 i번째 고유값에 대응하는 직교공간에 해당하는 동역학적 직교모드이고,
Figure 112020134719810-pat00042
이다.
(3) 주된 에너지를 갖는 모드의 극점을 찾기
분해된 모드들에 대해 다음의 수학식 14와 수학식 15로 표준화된 에너지와 표준화된 누적에너지를 산정한다.
Figure 112020134719810-pat00043
여기서, ei는 i번째 고유값에 해당하는 모드의 표준화된 에너지이고, ∥ㆍ∥은 norm-작용소이며, φ는
Figure 112020134719810-pat00044
또는
Figure 112020134719810-pat00045
이다.
Figure 112020134719810-pat00046
여기서, Ei는 1번째부터 i번째 고유값에 해당하는 모드까지 표준화된 누적에너지이다.
모드별 표준화된 에너지들을 비교하여 압도적으로 높은 표준화된 에너지를 갖는 모드를 주요모드로 선별한다(도 3 참조). 만약 따로 없다면, 누적에너지로 90%이상의 에너지에 해당하는 모드들을 주요 모드로 선별한다.
각 주요모드들에서 나타나는 주요모드 내의 극점들(유속과 수심의 최대점, 유속과 수심의 최소점)을 찾는다(도 2 및 도 5 참조). 이 때, i번째 고유값에 해당하는 모드에서의 극점을 i차 극점으로 정의한다. 즉, 주요모드가 하나이면 1차 극점만 있고 주요모드가 n개이면 n차 극점까지 있을 것이다.
(4) 주요점 선정
주요점 선정 과정은 다음과 같은데, 첫째, 취득한 모든 유황에 대해서 상기 (1) 내지 (3)을 수행하여 각 유황별로 찾은 극점들을 취합한다(도 2 및 도 6 참조).
둘째, 패턴인식(pattern recognition)을 이용하여 취합한 극점들에 대해 클러스터링(clustering)을 수행하고, 각 클러스터(cluster)를 대표하는 대표점들을 산정한다(도 6 참조). 상기 패턴인식은 k-평균 군집화(k-mean clustering)를 통해 수행될 수 있고 각 클러스터의 대표점을 k-평균점으로 산정할수 있다.
이 때 각 클러스터(cluster)에 포함되는 극점들의 분포에 따라 대표점의 중요도를 산정한다. 예를 들어 1차 극점만으로 구성된 클러스터 또는 1차 극점을 포함하는 클러스터는 1차 중요도 클러스터이며 그 대표점을 1군 대표점으로, 2차 극점만으로 구성된 클러스터 또는 1차 극점은 포함하지 않고 2차 극점을 포함하는 클러스터는 2차 중요도 클러스터이며 그 대표점을 2군 대표점으로 정의한다.
세째, 취득한 모든 유황을 분류할 수 있는 수의 대표점을 중요도 우선순위로 남기고, 낮은 우선순위의 중요도이면서 유황의 분류에 필요 없는 대표점들은 제외한다.
여기서 대표점의 중요도는 자료 인덱싱 방법을 이용하는데 대표점의 중요도를 우선순위로 하여 대표점의 군을 나누고, 나뉜 군의 순서로 인덱싱을 하여 저장한다(데이터베이스화).
즉, 상기 S10에서 산출된 수치모의결과는 대표점의 중요도를 바탕으로 다음과 같이 나누어 인덱싱한다.
「0군 인덱스: 수리/수문자료가 입력되는 개방경계조건, 1군 인덱스: 1군 대표점에서의 유속/수심 추세, 2군 인덱스: 2군 대표점에서의 유속/수심 추세, ..... ,i군 인덱스: i군 대표점에서의 유속/수심 추세」
i군은 취득한 모든 유황을 나눌 수 있도록 세분화된 인덱스이다. 차원축소기법을 사용하여 모든 격자점을 비교하는 대신 i차원으로 축소하여 비교가능하므로 빠른 탐색을 가능하게 한다. 추후 유출사고 발생시, 데이터베이스내 결과를 찾는 순서는 후술할 수치모의결과의 탐색/선택 방법과 같고, 실제 시공간정보를 가리키는 인덱싱를 위해 사용된 축소된 시공간 정보와 비교하는 개념도가 도 7에 나타나 있다.
또한 여기서 분류는 대표점들의 유속/수심의 추세를 바탕으로 의사결정트리(Decision tree) 알고리즘(도 8 참조)을 사용할 수 있다. 분류를 통해 취득한 모든 유황이 대표점들의 유속/수심의 자료를 바탕으로 모두 분류하여 구별할 수 있는 숫자의 대표점들을 선정한다. 예를 들어, 1군 대표점의 유속/수심 추세로 모든 유황에 대한 분류를 수행하여 1군 대표점의 유속/수심 추세자료가 모든 유황을 분류할 수 없다면 추가적으로 2군 대표점의 유속/수심 추세로 모든 유황에 대한 분류를 수행한다. 2군 대표점의 유속/수심 추세자료가 모든 유황을 분류할 수 있다면 대상유역의 모든 유황을 분류하는데 충분한 수의 대표점이 선정된 것이다. 즉, 상기 S10에서 산출된 수치모의결과 모두를 인덱싱할 수 있도록 하는 것이다.
네째, 취득한 모든 유황을 분류할 수 있는 수의 대표점들을 주요점으로 선정한다.
이에 주요점 선정 모듈(12)은 경계조건으로 경계점과 해당 유역의 주요 특징점을 유속/수심의 추세를 바탕으로 상기 수치모의결과 자료를 인덱싱하여 주요점으로 선정하는데, 이러한 선정 과정은 최종적으로 컴퓨터로 수행하기 위해 프로그램 언어를 통해 알고리즘으로 코딩한 프로그램이고, 다시 말해 이러한 프로그램은 상기 수학식 1 내지 수학식 15를 포함하면서 유해물질거동 예측장치(10) 또는 저장 장치(20)에 저장되어 주요점 선정 모듈(12)이 유해물질거동 예측장치(10) 또는 저장 장치(20)에 입력저장된 상기 프로그램을 이용하여 주요점을 선정하게 되는 것이다.
그 다음으로, 유출사고 발생이 인지된 경우, 유역의 현장 유황자료를 취득하여야 적절한 수치모의결과를 선택할 수 있다. 따라서 사전에 유역은 상기에서 선정된 주요점들의 위치에 해당하는 실제 위치에 유속/수심 관측소(유속계, 수심계 구비)를 구축해야 한다(S30). 즉, 유출사고 발생이 인지되면 선정된 상기 주요점의 실제 위치에 설치된 유속/수심 관측소에서 유해화학물질 유출사고 당시의 유속/수심 현장자료를 취득하게 되고, 이러한 관측소 구비는 도시의 유해화학물질 유출사고에 대한 취약성저감의 일환이기도 하다.
여기서 주요점에 구축된 유속/수심 관측소로부터 유해화학물질 유출사고 당시로부터 그 전후에 대한 유속/수심의 시계열자료를 취득한다.
그 다음으로, 데이터베이스에 저장된 자료 중 유출사고 발생시와 가장 유사한 유황을 찾는 단계(S40)로 상기 S30에서의 주요점의 위치에 구축된 관측소 현장에서 유출사고 당시 실제 취득된 유속/수심 자료를 바탕으로 상기 S20에서 인덱싱된 수치모의결과들의 주요점의 유속/수심의 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 데이터베이스내 수치모의결과를 찾아서 선택된 인덱스에 해당하는 수치모의결과를 불러온다.
그 수치모의결과의 탐색/선택 방법은 다음과 같다.
① 0군 인덱스로서 개방경계조건에서의 수리/수문자료의 유출사고 전·후의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과 선별
② 상기 ①에서 선별된 수치모의결과 중에서 1군의 인덱스로서 주요점에서 취득한 유출사고 전·후의 유속/수심의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과 선별
③ 상기 ②에서 선별된 수치모의결과 중에서 2군의 인덱스로서 주요점에서 취득한 유출사고 전·후의 유속/수심의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과 선별
:
④ 인덱싱된 데이터베이스내에서 수치모의결과가 하나가 취득될 때까지(i군의 인덱스까지) 탐색을 반복하여 최종 하나의 수치모의결과를 선택한다.
상기 주요점 상관도의 평가는 다음의 수학식 16을 사용한다.
Figure 112020134719810-pat00047
여기서, X는 주요점에서의 수치모의결과의 유속/수심의 유출사고 전·후의 변동(추세)를 나타내고, Y는 주요점에 해당하는 지점에서 운용되는 관측소에서 실제 계측된 유속/수심의 유출사고 전·후의 변동(추세)을 의미하고, j는 시간스텝을 나타내는 인덱스이고, n은 추세를 비교할 시간스텝수이며, overbar ￣는 평균값을 의미한다. 즉,
Figure 112020134719810-pat00048
,
Figure 112020134719810-pat00049
이다.
한편, 상관도는 임계값과 비교하여 상관도가 임계값보다 높은 값을 갖는 자료들을 추적하며 탐색하는데, 다음의 수학식 17을 만족하면 유속/수심의 추세와 상관도가 임계값보다 높은 것으로 한다.
Figure 112020134719810-pat00050
여기서, ρ는 임계값이며, 임계값은 모상관계수 검정의 방법을 통해 사용자에 의하여 정해진 상관도의 유의수준에 의하여 결정되거나, 사용자가 경험적으로 0과 1사이의 값으로 결정할 수 있다.
한편, 유속/수심 추세의 평균값에 관하여 다음의 수학식 18을 만족하는지 평가하는데, 만족하면 평균값이 유의수준에 있는 것이다.
Figure 112020134719810-pat00051
여기서,
Figure 112020134719810-pat00052
은 유의구간을 정하는 매개변수로 분류당시 의사결정트리과정으로부터 얻어진다.
이에 수치모의결과 탐색/선택 모듈(13)은 상기 주요점의 위치에 구축된 관측소 현장에서 유출사고 당시 실제 취득된 유속/수심 자료를 바탕으로 상기 인덱싱된 수치모의결과들의 주요점의 유속/수심의 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 데이터베이스내 수치모의결과를 탐색하여 선택된 인덱스에 해당하는 하나의 수치모의결과를 불러오게 되는데, 이러한 탐색/선택 과정은 최종적으로 컴퓨터로 수행하기 위해 프로그램 언어를 통해 알고리즘으로 코딩한 프로그램이고, 다시 말해 이러한 프로그램은 상기 수학식 16 내지 수학식 18을 포함하면서 유해물질거동 예측장치(10) 또는 저장 장치(20)에 저장되어 수치모의결과 탐색/선택 모듈(13)이 유해물질거동 예측장치(10) 또는 저장 장치(20)에 입력저장된 상기 프로그램을 이용하여 수치모의결과를 탐색/선택하게 되는 것이다.
마지막으로, 상기 S40에서 선택된 수리동역학모형의 수치모의결과(시간에 따른 유속/수심)와 유해화학물질의 물리/화학적 특징(확산계수, 반응계수)을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하여 수환경내 유해화학물질 거동의 추이를 예측한다(S50).
이에 이송·확산 모의수행 모듈(14)은 상기 선택된 수리동역학모형의 하나의 수치모의결과(시간에 따른 유속/수심)와 유해화학물질의 물리/화학적 특징(확산계수, 반응계수)을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하게 되는데, 이러한 모의 수행 과정은 최종적으로 컴퓨터로 수행하기 위해 프로그램 언어를 통해 알고리즘으로 코딩한 프로그램이고, 다시 말해 이러한 프로그램은 상기 이송·확산 방정식을 포함하면서 유해물질거동 예측장치(10) 또는 저장 장치(20)에 저장되어 이송·확산 모의수행 모듈(14)이 유해물질거동 예측장치(10) 또는 저장 장치(20)에 입력저장된 입력값과 상기 프로그램을 이용하여 수환경내 유해화학물질 거동의 추이를 예측하게 되는 것이다.
결국 본 발명의 핵심은 구축된 수치모의결과의 데이터베이스를 빠르게 찾는 자료의 인덱싱 기법에 있으며, 이때 자료의 인덱스는 대상 유역의 모든 유황을 분별할 수 있는 유역의 주요 위치을 결정함으로써 구축된다. 유해화학물질 유출사고 발생시 현장의 정보를 얻기 위해서는 이 주요점에 관한 관측소를 구축해야하므로 본 발명은 유해물질 유출시 수환경내 유해물질거동에 대한 예측시스템에 대한 일부로 임의 시간에서 대상 유역의 유황을 분별하기 위한 관측소의 구축 방법을 포함한다.
또한, 본 발명은 방제의 영역에 있어서 수치계산에 의한 예측 모의 시스템을 필요로 하는 모든 분야에 대해 적용할 수 있는 방법이다. 본 발명이 수계를 대상으로 하고 있으나 대기를 대상으로도 적용가능하다. 예를 들어 화학탄 낙하시 긴급 예측을 통해 피해 경로 확보 및 제독 계획/작전 수행에 이용될 수 있겠다.
더불어, 본 발명에서 데이터베이스 구축을 위해 수치모의결과의 인덱싱 과정에서 사용된 주요점 선정방법은 지역적 특성을 가장 잘 반영토록 하는 지점을 선정하는 것으로 다양한 관측망 설계에 이용될 수 있다.
10: 유해물질거동 예측장치
11: 수리동역학 모형 수행모듈
12: 주요점 선정 모듈
13: 수치모의결과 탐색/선택 모듈
14: 이송·확산 모의수행 모듈
20: 저장 장치

Claims (8)

  1. (a) 수리동역학 모형 수행모듈(11)이 해당 유역에서의 기존의 수리/수문자료를 입력자료로 하여 수리동역학 모형을 통해, 취득 가능한 모든 유황(유역상황)에 대한 수치모의를 사전(유출사고 발생전)에 실시하고 시간에 따른 수심과 유속장을 포함하는 수치모의결과를 산출하는 단계(S10)와;
    (b) 주요점 선정 모듈(12)이 해당 유역의 주요 특징점을, 유속/수심의 추세를 바탕으로 상기 수치모의결과 자료를 인덱싱하여 주요점으로 선정하는 단계(S20)와;
    (c) 유출사고 발생이 인지되면 선정된 상기 주요점의 실제 위치에 설치된 유속/수심 관측소가 유해화학물질 유출사고 당시의 유속/수심 현장자료를 취득하는 단계(S30)와;
    (d) 수치모의결과 탐색/선택 모듈(13)이 상기 주요점의 위치에 설치된 관측소에서 유출사고 당시 실제 취득된 유속/수심 현장자료를 바탕으로 상기 인덱싱된 수치모의결과들의 주요점의 유속/수심 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 수치모의결과를 탐색하여 선택된 인덱스에 해당하는 하나의 수치모의결과를 불러오는 단계(S40), 및
    (e) 이송·확산 모의수행 모듈(14)이 상기 선택된 하나의 수치모의결과(시간에 따른 유속/수심)와 유해화학물질의 물리/화학적 특징(확산계수, 반응계수)을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하는 단계(S50)로 이루어지되,
    상기 단계(b)에서 주요점 선정은,
    (b1) 각 유황(유역상황)별로 상기 수치모의결과인 수심과 유속에 대한 시공간 행렬과 시공간 편차 행렬을 구성하는 단계와;
    (b2) 적합직교분해 또는 동역학적모드분해를 이용하여 모드 분해하는 단계와;
    (b3) 분해된 모드들에 대해 주된 에너지를 갖는 주요모드 내의 극점들(유속과 수심의 최대점, 유속과 수심의 최소점)을 찾는 단계, 및
    (b4) 취득한 모든 유황(유역상황)에 대해서 각 유황(유역상황)별로 찾은 극점들을 취합하여 취합한 극점들에 대해 클러스터링을 수행하고 각 클러스터(cluster)를 대표하는 대표점들을 산정하며, 취득한 모든 유황(유역상황)을 분류할 수 있는 수의 대표점들을 주요점으로 선정하는 단계로 이루어지는 것을 특징으로 하는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 단계(b1)에서 시공간 행렬(u,h)은 다음의 수학식들,
    Figure 112021049660237-pat00053
    ,
    Figure 112021049660237-pat00054

    (여기서, u는 x방향 유속, v는 y방향 유속, w는 z방향 유속, h는 수심, 윗첨자는 시간스탭번호, 아랫첨자는 공간격자번호, N은 수치모의된 총 시간 스텝, M은 총 공간격자수)이고,
    시공간 편차 행렬은 다음의 수학식들,
    Figure 112021049660237-pat00055
    ,
    Figure 112021049660237-pat00056
    (여기서,
    Figure 112021049660237-pat00057
    로 각 격자에서의 유속에 대한 시간평균 행렬,
    Figure 112021049660237-pat00058
    로 각 격자에서의 수심에 대한 시간평균 행렬)인 것을 특징으로 하는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법.
  4. 제 1 항에 있어서,
    상기 단계(b2)에서 적합직교분해는 다음의 수학식들,
    Figure 112021049660237-pat00059
    (여기서, C는 공분산행렬, U는 시공간 편차행렬로 u' 또는 h'에 해당하며 윗첨자 T는 행렬의 전치),
    Figure 112021049660237-pat00060
    (여기서, r은 우고유벡터, λ는 고유값, 윗첨자 i는 i번째 고유값에 대응되는 직교공간)을 이용하여 적합직교모드(POD)를 다음의 수학식,
    Figure 112021049660237-pat00061
    (여기서,
    Figure 112021049660237-pat00062
    는 i번째 고유값에 대응하는 직교공간에 해당하는 적합직교모드(POD,i갯수는 모드 수))을 통해 분해하는 것이고,
    동역학적모드분해는 다음의 수학식들,
    Figure 112021049660237-pat00063
    (여기서, 윗첨자 H는 켤레복소전치, QH는 V1:N-1의 QR-분해에서 Q-행렬 Q의 켤레복소전치 행렬, R은 V1:N-1의 QR-분해에서의 R-행렬, 윗첨자 -1은 역행렬,
    Figure 112021049660237-pat00064
    , V는 시공간 행렬로 u 또는 h에 해당하고, N은 수치모의된 총 시간 스텝),
    Figure 112021049660237-pat00065
    (여기서, r은 우고유벡터, λ는 고유값, 윗첨자 i는 i번째 고유값에 대응되는 직교공간)을 이용하여 동역학적 직교모드(i갯수는 모드 수)를 다음의 수학식,
    Figure 112021049660237-pat00066
    (여기서,
    Figure 112021049660237-pat00067
    는 i번째 고유값에 대응하는 직교공간에 해당하는 동역학적 직교모드,
    Figure 112021049660237-pat00068
    )에 의하여 산출하는 것을 특징으로 하는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법.
  5. 제 1 항에 있어서,
    상기 단계(b3)에서 주요모드는 표준화된 누적에너지로 90%이상의 에너지에 해당하는 모드들인데,
    표준화된 에너지는 다음의 수학식,
    Figure 112021049660237-pat00069
    (여기서, ei는 i번째 고유값에 해당하는 모드의 표준화된 에너지, ∥ㆍ∥은 norm-작용소이며, φ는
    Figure 112021049660237-pat00070
    또는
    Figure 112021049660237-pat00071
    )으로 산정하고,
    상기 표준화된 누적에너지는 다음의 수학식,
    Figure 112021049660237-pat00072
    (여기서, Ei는 1번째부터 i번째 고유값에 해당하는 모드까지 표준화된 누적에너지)으로 산정하는 것을 특징으로 하는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법.
  6. 제 1 항에 있어서,
    상기 단계(b4)에서 분류는 대표점들의 유속/수심의 추세를 바탕으로 의사결정트리(Decision tree) 알고리즘을 사용하고, 취득한 모든 유황이 대표점들의 유속/수심의 자료를 바탕으로 모두 분류하여 구별할 수 있는 숫자의 대표점들을 선정하되, 극점들의 분포에 따라 대표점의 중요도(1군 대표점, 2군 대표점...i군 대표점)를 산정하고 대표점의 중요도를 바탕으로 수치모의결과를 인덱싱(0군 인덱스: 수리/수문자료가 입력되는 개방경계조건, 1군 인덱스: 1군 대표점에서의 유속/수심 추세, 2군 인덱스: 2군 대표점에서의 유속/수심 추세...i군 인덱스: i군 대표점에서의 유속/수심 추세)하는 것을 특징으로 하는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법.
  7. 제 6 항에 있어서,
    상기 단계(d)에서 수치모의결과의 탐색/선택 방법은,
    (d1) 0군 인덱스로서 개방경계조건에서의 수리/수문자료의 유출사고 전·후의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과를 선별하는 단계와;
    (d2) 상기 단계(d1)에서 선별된 수치모의결과 중에서 1군의 인덱스로서 주요점에서 취득한 유출사고 전·후의 유속/수심의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과를 선별하는 단계와;
    (d3) 상기 단계(d2)에서 선별된 수치모의결과 중에서 2군의 인덱스로서 주요점에서 취득한 유출사고 전·후의 유속/수심의 추세의 상관도가 임계값보다 높고, 평균값이 유의수준에 있는 수치모의결과를 선별하는 단계, 및
    (d4) 상기 인덱싱된 데이터베이스내에서 수치모의결과가 하나가 취득되는 i군의 인덱스까지 탐색을 반복하여 최종 하나의 수치모의결과를 선택하는 단계로 이루어지되,
    상기 상관도는 다음의 수학식,
    Figure 112021049660237-pat00073
    (여기서, X는 주요점에서의 수치모의결과의 유속/수심의 유출사고 전·후의 변동(추세), Y는 주요점에 해당하는 지점에서 운용되는 관측소에서 실제 계측된 유속/수심의 유출사고 전·후의 변동(추세), j는 시간스텝을 나타내는 인덱스, n은 추세를 비교할 시간스텝수, overbar ￣는 평균값을 의미하는 것으로
    Figure 112021049660237-pat00074
    ,
    Figure 112021049660237-pat00075
    )을 이용하는 것을 특징으로 하는, 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법.
  8. 해당 유역에서의 기존의 수리/수문자료를 입력자료로 하여 수리동역학 모형을 통해, 취득 가능한 모든 유황(유역상황)에 대한 수치모의를 사전(유출사고 발생전)에 실시하고 시간에 따른 수심과 유속장을 포함하는 수치모의결과를 산출하는 수리동역학 모형 수행모듈(11)과,
    해당 유역의 주요 특징점을, 유속/수심의 추세를 바탕으로 상기 수치모의결과 자료를 인덱싱하여 주요점으로 선정하는 주요점 선정 모듈(12)과,
    상기 주요점의 위치에 구축된 관측소에서 유출사고 당시 실제 취득된 유속/수심 현장자료를 바탕으로 상기 인덱싱된 수치모의결과들의 주요점의 유속/수심의 자료들과 비교하여 유출사고 당시를 가장 잘 나타내는 수치모의결과를 탐색하여 선택된 인덱스에 해당하는 하나의 수치모의결과를 불러오는 수치모의결과 탐색/선택 모듈(13)과,
    상기 선택된 하나의 수치모의결과(시간에 따른 유속/수심)와 유해화학물질의 물리/화학적 특징(확산계수, 반응계수)을 입력값으로 하여 유해화학물질의 이송·확산 방정식의 모의를 수행하는 이송·확산 모의수행 모듈(14), 및
    상기 모듈들을 통해 연산되거나 입출력되는 자료가 저장되는 저장 장치(20)를 포함하되,
    상기 주요점 선정 모듈(12)은, 각 유황(유역상황)별로 상기 수치모의결과인 수심과 유속에 대한 시공간 행렬과 시공간 편차 행렬을 구성하는 단계와; 적합직교분해 또는 동역학적모드분해를 이용하여 모드 분해하는 단계와; 분해된 모드들에 대해 주된 에너지를 갖는 주요모드 내의 극점들(유속과 수심의 최대점, 유속과 수심의 최소점)을 찾는 단계, 및 취득한 모든 유황(유역상황)에 대해서 각 유황(유역상황)별로 찾은 극점들을 취합하여 취합한 극점들에 대해 클러스터링을 수행하고 각 클러스터(cluster)를 대표하는 대표점들을 산정하며, 취득한 모든 유황(유역상황)을 분류할 수 있는 수의 대표점들을 주요점으로 선정하는 단계로 주요점을 선정하는 유해물질거동 예측장치.
KR1020200173279A 2020-12-11 2020-12-11 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치 KR102288682B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200173279A KR102288682B1 (ko) 2020-12-11 2020-12-11 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200173279A KR102288682B1 (ko) 2020-12-11 2020-12-11 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR102288682B1 true KR102288682B1 (ko) 2021-08-11

Family

ID=77313975

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200173279A KR102288682B1 (ko) 2020-12-11 2020-12-11 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102288682B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190018192A (ko) 2017-08-14 2019-02-22 (주)이지스 유해화학물질의 다층적 확산분석정보 제공방법
KR102188509B1 (ko) * 2019-12-26 2020-12-08 서울대학교산학협력단 화학물질의 이송확산 예측 방법, 이를 위한 장치 및 비휘발성 기록매체

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190018192A (ko) 2017-08-14 2019-02-22 (주)이지스 유해화학물질의 다층적 확산분석정보 제공방법
KR102188509B1 (ko) * 2019-12-26 2020-12-08 서울대학교산학협력단 화학물질의 이송확산 예측 방법, 이를 위한 장치 및 비휘발성 기록매체

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Nurtac Ogleni et al., Water quality assessment of the Mudurnu River, Turkey, using biotic indices, Water Resour Manage Vol.25 pp.2487-2508(2011.04.21.)* *
Suleyman Yildiz et al., Structure-preserving reduced order modeling of non-traditional shallow water equation, arXiv:2002.11719(2020.02.26.)* *
Tien Zubaidah et al., K-means method for clustering water quality status on the rivers of banjarmasin, J. Eng. Appl. Sci. Vol.13 pp.3692-3697(2018.06.)* *
최현구 외 2명. 수질모형을 이용한 수질오염사고의 모의분석, 환경영향평가, 제23권, 제3호, pp.177-186(2014)* *

Similar Documents

Publication Publication Date Title
Musa et al. A review of geospatial-based urban growth models and modelling initiatives
Murgante et al. Geocomputation and urban planning
Chebbi et al. Optimal extension of rain gauge monitoring network for rainfall intensity and erosivity index interpolation
Yao et al. Simulating urban growth processes by integrating cellular automata model and artificial optimization in Binhai New Area of Tianjin, China
US20230177623A1 (en) Cross-bore risk assessment and risk management tool
Wang et al. Dominant transition probability: Combining CA-Markov model to simulate land use change
Mandelli et al. Dynamic PRA: an overview of new algorithms to generate, analyze and visualize data
CN113626929B (zh) 多阶段多拓扑的船舶交通复杂度度量方法及系统
KR101703972B1 (ko) 공간정보를 이용한 지하수 부존 지역 예측시스템 및 지하수 부존 지역 예측방법
Anezakis et al. Hybrid intelligent modeling of wild fires risk
Chawla et al. Extending data mining for spatial applications: A case study in predicting nest locations
KR102288682B1 (ko) 유해물질 유출시 수환경내 유해물질거동에 대한 신속예측방법 및 그 장치
Khadr et al. Data-driven stochastic modeling for multi-purpose reservoir simulation
Di Maio et al. Parallel density scanned adaptive Kriging to improve local tsunami hazard assessment for coastal infrastructures
Pandey et al. Geomatics approach for assessment of respiratory disease mapping
Kalayathankal et al. Ordered intuitionistic fuzzy soft model of flood alarm
Vafaei et al. Simulating the expansion of built-up areas using the models of logistic regression, artificial neural network, and geo-mod in Marivan City, Iran
Wang et al. Deep reinforcement learning-based rescue resource distribution scheduling of storm surge inundation emergency logistics
Kovaliuk et al. Environmental monitoring and population protection from environmental factors
Shaikh et al. Implicit stochastic optimization for deriving operating rules for a multi-purpose multi-reservoir system
Jedi et al. Prediction of Formal Transformations in City Structure (Kufa as a Model) Based on the Cellular Automation Model and Markov Chains.
Ibarra et al. Sensitivity analysis in hydrological modeling for the Gulf of México
Michail et al. Seasonal Fire Prediction using Spatio-Temporal Deep Neural Networks
Fawzy et al. WFEC: Wind farms economic classifier using big data analytics
Rada et al. Atmospheric Dispersion Prediction for Toxic Gas Clouds by Using Machine Learning Approaches

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant