KR102465915B1 - 인공지능 기반의 수질 전광판의 수질정보 표시 시스템 - Google Patents
인공지능 기반의 수질 전광판의 수질정보 표시 시스템 Download PDFInfo
- Publication number
- KR102465915B1 KR102465915B1 KR1020220105389A KR20220105389A KR102465915B1 KR 102465915 B1 KR102465915 B1 KR 102465915B1 KR 1020220105389 A KR1020220105389 A KR 1020220105389A KR 20220105389 A KR20220105389 A KR 20220105389A KR 102465915 B1 KR102465915 B1 KR 102465915B1
- Authority
- KR
- South Korea
- Prior art keywords
- water quality
- target area
- odor
- measurement data
- occurrence
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 166
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 7
- 238000005259 measurement Methods 0.000 claims abstract description 85
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 238000013480 data collection Methods 0.000 claims abstract description 22
- 235000019645 odor Nutrition 0.000 claims description 80
- 230000005856 abnormality Effects 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 12
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 11
- 239000000460 chlorine Substances 0.000 claims description 11
- 229910052801 chlorine Inorganic materials 0.000 claims description 11
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000746 purification Methods 0.000 description 3
- 239000008399 tap water Substances 0.000 description 3
- 235000020679 tap water Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035943 smell Effects 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
- G09F9/00—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements
- G09F9/30—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements in which the desired character or characters are formed by combining individual elements
- G09F9/33—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements in which the desired character or characters are formed by combining individual elements being semiconductor devices, e.g. diodes
-
- 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)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Medicinal Chemistry (AREA)
- Quality & Reliability (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Educational Administration (AREA)
- Biochemistry (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Food Science & Technology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
인공지능 기반의 수질 전광판의 수질정보 표시 시스템이 제공된다. 본 발명의 일 실시예에 따른 인공지능 기반의 수질 전광판의 수질정보 표시 시스템에 따르면, 엘이디 표시판을 통해 대상지역의 수질과 관련된 측정 데이터를 표시하고, 상기 측정 데이터 각각에 대한 조합을 예측 모델에 입력하여 대상지역의 수질 이상 및 악취 발생여부를 자동으로 예측하여 사용자에게 유용한 정보를 제공할 수 있다.
Description
본 발명의 실시예들은 수질 전광판에 대상지역의 수질정보를 표시하고, 다수의 예측 모델을 이용하여 대상지역의 수질 이상 및 악취 발생여부를 예측하는 기술과 관련된다.
최근, 환경문제 및 건강문제에 대한 국민들의 관심이 높아지면서 수돗물의 수질에 대한 관심 또한 높아지고 있다. 일반적으로, 취수장, 저수조, 정수장 등에서 수질을 검사하고 이를 관리하는 시스템이 갖춰져 있으나 이러한 수질정보는 일반 소비자에게 직접 전달되지 않는다. 일반 소비자는 자신이 거주하는 지역의 수돗물에 대한 수질정보를 알 수 없으며, 수돗물의 이상여부 및 악취여부에 대한 정확한 정보 또한 얻기가 어려운 실정이다.
본 발명의 실시예들은 엘이디 표시판을 통해 대상지역의 수질과 관련된 측정 데이터를 표시하고, 상기 측정 데이터 각각에 대한 조합을 예측 모델에 입력하여 대상지역의 수질 이상 및 악취 발생여부를 자동으로 예측하여 사용자에게 유용한 정보를 제공하기 위한 것이다.
예시적인 실시예에 따르면, 대상지역에 각각 설치된 하나 이상의 수질 계측장비로부터 상기 대상지역의 수질과 관련된 복수의 측정 데이터를 수집하는 데이터 수집부; 엘이디 표시판을 구비하며, 상기 데이터 수집부로부터 상기 측정 데이터를 수신하여 상기 엘이디 표시판에 표시하는 수질 전광판; 및 상기 복수의 측정 데이터 각각에 대한 조합을 설정된 예측 모델에 시간 흐름에 따라 순차적으로 입력하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하는 예측부를 포함하며, 상기 수질 전광판은, 예측된 상기 대상지역의 수질 이상 및 악취 발생여부를 상기 엘이디 표시판에 표시하고, 상기 측정 데이터는, 상기 수질 계측장비로부터 측정된 온도(℃), 잔류염소(Residual Chlorine, RC)의 양(ppm), 탁도(turbidity) 및 수소이온 농도(pH)를 포함하고, 상기 예측부는, 외부 서버로부터 상기 대상지역의 지형정보 및 물의 양에 대한 정보를 수신하고, 데이터베이스에 저장된 타 지역 중 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 타 지역을 선별하며, 시간 흐름에 따른 상기 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하되, 상기 대상지역의 수질이 정상이고 상기 대상지역의 악취가 발생될 것으로 예측되거나 또는 상기 대상지역의 수질이 이상이고 상기 대상지역의 악취가 발생되지 않을 것으로 예측되는 경우 선별된 상기 타 지역 다음으로 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 다른 타 지역을 선별한 후 시간 흐름에 따른 상기 다른 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 상기 예측 모델은, 서로 다른 파라미터를 갖는 제1 예측 모델, 제2 예측 모델, 제3 예측 모델 및 제4 예측 모델을 포함하며, 상기 예측부는, 상기 온도(℃), 상기 잔류염소(Residual Chlorine, RC)의 양(ppm), 상기 탁도(turbidity) 및 상기 수소이온 농도(pH) 각각에 대한 제1 임계치 내지 제4 임계치를 구비하고, 상기 데이터 수집부에서 수집된 측정 데이터에 포함된 온도와 제1 임계치 간의 차인 제1 차이값, 상기 데이터 수집부에서 수집된 상기 측정 데이터에 포함된 잔류염소의 양과 제2 임계치 간의 차인 제2 차이값, 상기 데이터 수집부에서 수집된 상기 측정 데이터에 포함된 탁도와 제3 임계치 간의 차인 제3 차이값, 및 상기 데이터 수집부에서 수집된 상기 측정 데이터에 포함된 수소이온 농도와 제4 임계치 간의 차인 제4 차이값을 계산하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제1 차이값이 가장 큰 경우 상기 제1 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제2 차이값이 가장 큰 경우 상기 제2 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제3 차이값이 가장 큰 경우 상기 제3 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제4 차이값이 가장 큰 경우 상기 제4 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하는, 인공지능 기반의 수질 전광판의 수질정보 표시 시스템이 제공된다.
상기 수질정보 표시 시스템은, 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 데이터 수집부에서 수집된 상기 측정 데이터와 함께 예측 모델에 피드백시키는 피드백부를 더 포함하며, 상기 예측부는, 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값에 따라 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 입력하여 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 대한 파라미터를 업데이트시킬 수 있다.
본 발명의 실시예들에 따르면, 대상지역과 가장 유사한 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 대상지역의 수질 이상 및 악취 발생여부를 예측하되, 예측된 결과에 대한 신뢰도가 떨어지는 경우 상기 타 지역 다음으로 대상지역과 유사한 다른 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 대상지역의 수질 이상 및 악취 발생여부를 예측하도록 함으로써 검증된 예측값을 출력할 수 있도록 하였다.
또한, 본 발명의 실시예들에 따르면, 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 가장 큰 차이값을 가지는 데이터의 종류에 따라 대상지역의 수질 이상 및 악취 발생여부의 예측에 사용되는 예측 모델을 동적으로 달리함으로써, 측정 데이터의 특성에 따른 최적의 예측 결과를 출력할 수 있다.
도 1은 본 발명의 일 실시예에 따른 수질정보 표시 시스템의 상세 구성을 나타낸 블록도
도 2는 본 발명의 일 실시예에 따른 수질 전광판에 표시되는 측정 데이터의 예시
도 3은 본 발명의 일 실시예에 따른 수질 전광판에 표시되는 측정 데이터의 예시
도 4는 본 발명의 일 실시예에 따른 수질 전광판에 표시되는 측정 데이터의 예시
도 5는 본 발명의 일 실시예에 따른 수질정보 표시방법을 설명하기 위한 흐름도
도 6은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 수질 전광판에 표시되는 측정 데이터의 예시
도 3은 본 발명의 일 실시예에 따른 수질 전광판에 표시되는 측정 데이터의 예시
도 4는 본 발명의 일 실시예에 따른 수질 전광판에 표시되는 측정 데이터의 예시
도 5는 본 발명의 일 실시예에 따른 수질정보 표시방법을 설명하기 위한 흐름도
도 6은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
도 1은 본 발명의 일 실시예에 따른 수질정보 표시 시스템(100)의 상세 구성을 나타낸 블록도이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 수질정보 표시 시스템(100)은 데이터 수집부(102), 수질 전광판(104), 예측부(106) 및 피드백부(108)를 포함한다.
데이터 수집부(102)는 대상지역에 각각 설치된 수질 계측장비로부터 상기 대상지역의 수질과 관련된 복수의 측정 데이터를 수집한다. 본 실시예들에 있어서, 대상지역은 수질 측정의 대상이 되는 지역으로서 예를 들어 양산시 웅상정수장, 나주혁신도시 빛가람 6단지 취수장 등이 될 수 있다. 또한, 측정 데이터는 수질 계측장비에서 측정된 데이터로서, 예를 들어 대상지역의 온도(℃), 잔류염소(Residual Chlorine, RC)의 양(ppm), 탁도(turbidity), 수소이온 농도(pH) 등이 될 수 있다. 대상지역에는 하나 이상의 수질 계측장비가 설치되어 있으며, 데이터 수집부(102)는 상기 수질 계측장비로부터 상기 대상지역의 수질과 관련된 복수의 측정 데이터를 각각 수집할 수 있다.
수질 전광판(104)은 엘디이 표시판을 구비하며, 데이터 수집부(102)로부터 측정 데이터를 수신하여 상기 엘이디 표시판에 표시한다. 수질 전광판(104)은 가로등, 전봇대 등에 결합되어 구비되거나, 또는 이와 별개로 독립하여 존재할 수도 있다. 수질 전광판(104)은 전면에 엘이디 표시판을 구비할 수 있으며, 상기 엘이디 표시판에서 측정 데이터와 같이 사용자에게 유용한 각종 정보들을 표시할 수 있다. 또한, 수질 전광판(104)은 후술할 예측부(106)에서 예측된 상기 대상지역의 수질 이상 및 악취 발생여부를 상기 엘이디 표시판에 표시할 수 있다.
예측부(106)는 인공지능을 기반으로 대상지역의 수질 이상 및 악취 발생여부를 예측한다. 이를 위해, 예측부(106)는 외부 서버(미도시)로부터 대상지역의 지형정보 및 물의 양에 대한 정보를 수신할 수 있다. 대상지역의 지형정보는 예를 들어, 대상지역의 크기 또는 면적, 대상지역의 고도 또는 깊이 등과 같은 지리적 정보를 포함할 수 있다. 또한, 예측부(106)는 취수장, 저수조, 정수장 등의 대상지역에 포함된 물의 양에 대한 정보를 외부 서버로부터 수신할 수 있다.
예측부(106)는 다수의 타 지역에 대한 지형정보 및 물의 양에 대한 정보를 데이터베이스(미도싱)에 미리 구비하고 있을 수 있으며, 데이터베이스에 저장된 타 지역 중 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 타 지역을 선별할 수 있다. 이후, 예측부(106)는 상기 복수의 측정 데이터 각각에 대한 조합을 설정된 예측 모델에 시간 흐름에 따라 순차적으로 입력하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다. 이때, 예측 모델은 시간 흐름에 따른 상기 선별된 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다. 예를 들어, 예측 모델은 기 학습된 학습 데이터를 기반으로 상기 복수의 측정 데이터 각각에 대한 조합을 설정된 예측 모델에 시간 흐름에 따라 순차적으로 입력하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있으나, 상기 선별된 타 지역에서의 시간 흐름에 따른 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 또다른 입력값으로 예측 모델에 입력하여 상기 대상지역의 수질 이상 및 악취 발생여부를 보다 정확하게 예측할 수 있다.
또한, 예측부(106)는 상기 대상지역의 수질이 정상이고 상기 대상지역의 악취가 발생될 것으로 예측되거나 또는 상기 대상지역의 수질이 이상이고 상기 대상지역의 악취가 발생되지 않을 것으로 예측되는 경우 상기 선별된 타 지역 다음으로 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 다른 타 지역을 선별한 후, 시간 흐름에 따른 상기 다른 타 지역에서의 측정 데이터 각각에 대한 따른 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다. 예측부(106)에서의 예측 결과, 상기 대상지역의 수질이 정상인데 상기 대상지역의 악취가 발생될 것으로 예측되거나 상기 대상지역의 수질이 이상인데 상기 대상지역의 악취가 발생되지 않을 것으로 예측되는 경우 상기 예측 결과에 대한 신뢰도가 떨어질 수 있으므로, 예측부(106)는 예측 모델에 입력된 상기 타 지역에 대한 데이터(즉, 시간 흐름에 따른 상기 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부에 대한 데이터) 대신 다른 타 지역에 대한 데이터를 입력값으로 활용할 수 있다. 본 발명의 실시예들에 따르면, 대상지역과 가장 유사한 타 지역에서의 시간 흐름에 따른 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 대상지역의 수질 이상 및 악취 발생여부를 예측하되, 예측된 결과에 대한 신뢰도가 떨어지는 경우 상기 타 지역 다음으로 대상지역과 유사한 다른 타 지역에서의 시간 흐름에 따른 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 대상지역의 수질 이상 및 악취 발생여부를 예측하도록 함으로써 검증된 예측값을 출력할 수 있도록 하였다.
또한, 예측부(106)에서 사용되는 예측 모델은 서로 다른 파라미터를 갖는 제1 예측 모델, 제2 예측 모델, 제3 예측 모델 및 제4 예측 모델을 포함할 수 있다. 대상지역의 수질 이상 및 악취 발생여부에 큰 영향을 끼치는 요인들은 대상지역의 온도(℃), 잔류염소(RC)의 양(ppm), 탁도 및 수소이온 농도(pH)일 수 있으며, 대상지역의 특성에 따라 이들 요소들 각각에 대한 수치값이 달라질 수 있다. 또한, 대상지역의 수질 이상 및 악취 발생여부에 영향을 미치는 요인들이 복수 개이므로, 이들 각 요인들에 따라 예측 모델을 최적화하는 것은 매우 어려운 일이다. 이에 따라, 본 발명에서는 상기 온도(℃), 잔류염소(RC)의 양(ppm), 탁도 및 수소이온 농도(pH) 각각에 대한 제1 임계치 내지 제4 임계치가 미리 지정된 상태에서 예측부(106)가 상기 측정 데이터에 포함된 온도와 제1 임계치 간의 차인 제1 차이값, 상기 측정 데이터에 포함된 잔류염소의 양과 제2 임계치 간의 차인 제2 차이값, 상기 측정 데이터에 포함된 탁도와 제3 임계치 간의 차인 제3 차이값, 및 상기 측정 데이터에 포함된 수소이온 농도와 제4 임계치 간의 차인 제4 차이값을 각각 계산할 수 있도록 하였다.
예측부(106)는 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 가장 큰 차이값을 가지는 데이터의 종류에 따라 서로 다른 예측 모델을 사용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다. 구체적으로, 예측부(106)는 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제1 차이값이 가장 큰 경우 상기 제1 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제2 차이값이 가장 큰 경우 상기 제2 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제3 차이값이 가장 큰 경우 상기 제3 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제4 차이값이 가장 큰 경우 상기 제4 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다. 즉, 본 발명의 실시예들에 따르면, 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 가장 큰 차이값을 가지는 데이터의 종류에 따라 대상지역의 수질 이상 및 악취 발생여부의 예측에 사용되는 예측 모델을 동적으로 달리함으로써, 측정 데이터의 특성에 따른 최적의 예측 결과를 출력할 수 있다.
피드백부(108)는 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 예측 모델에 피드백시킨다. 피드백부(108)는 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 획득하고, 이를 상기 측정 데이터와 함께 예측 모델에 입력할 수 있다.
이때, 예측부(106)는 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값에 따라 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 입력하여 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 대한 파라미터를 업데이트시킬 수 있다. 구체적으로, 예측부(106)는 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제1 차이값이 가장 큰 경우 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제1 예측 모델에 입력하고, 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제2 차이값이 가장 큰 경우 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제2 예측 모델에 입력하고, 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제3 차이값이 가장 큰 경우 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제3 예측 모델에 입력하고, 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제4 차이값이 가장 큰 경우 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제4 예측 모델에 입력할 수 있다.
이와 같이, 제1 예측 모델 내지 제4 예측 모델은 시간이 지날수록 파라미터가 최적화되어 고도화되며, 이에 따라 대상지역에서의 수질 이상 및 악취 발생여부에 대한 예측값 또한 보다 정확해지게 된다.
도 2 내지 도 4는 본 발명의 일 실시예에 따른 수질 전광판(104)에 표시되는 측정 데이터의 예시이다.
도 2 내지 도 4를 참조하면, 수질 전광판(104)의 엘이디 표시판에는 측정 데이터가 표시될 수 있다. 상술한 바와 같이, 측정 데이터는 예를 들어, 대상지역의 온도(℃), 잔류염소(Residual Chlorine, RC)의 양(ppm), 탁도(turbidity), 수소이온 농도(pH) 등이 될 수 있다.
도 5는 본 발명의 일 실시예에 따른 수질정보 표시방법을 설명하기 위한 흐름도이다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
S102 단계에서, 데이터 수집부(102)는 대상지역에 각각 설치된 수질 계측장비로부터 상기 대상지역의 수질과 관련된 복수의 측정 데이터를 수집한다.
S104 단계에서, 수질 전광판(104)은 데이터 수집부(102)로부터 상기 측정 데이터를 수신하여 상기 엘이디 표시판에 표시한다.
S106 단계에서, 예측부(106)는 상기 복수의 측정 데이터 각각에 대한 조합을 설정된 예측 모델에 시간 흐름에 따라 순차적으로 입력한다.
S108 단계에서, 예측부(106)는 상기 대상지역의 수질 이상 및 악취 발생여부를 예측한다. 구체적으로, 예측부(106)는 외부 서버로부터 상기 대상지역의 지형정보 및 물의 양에 대한 정보를 수신하고, 데이터베이스에 저장된 타 지역 중 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 타 지역을 선별하며, 시간 흐름에 따른 상기 타 지역에서의 측정 데이터 각각에 대한 따른 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다. 이때, 예측부(106)는 상기 대상지역의 수질이 정상이고 상기 대상지역의 악취가 발생될 것으로 예측되거나 또는 상기 대상지역의 수질이 이상이고 상기 대상지역의 악취가 발생되지 않을 것으로 예측되는 경우 선별된 타 지역 다음으로 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 다른 타 지역을 선별한 후 시간 흐름에 따른 상기 다른 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다. 또한, 예측부(106)는 서로 다른 파라미터를 갖는 제1 예측 모델 내지 제4 예측 모델 중 하나를 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측할 수 있다.
S110 단계에서, 피드백부(108)는 대상지역의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 획득한다. 이후, 피드백부(108)는 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 예측 모델에 입력할 수 있다. 예측부(106)는 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값에 따라 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 입력하여 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 대한 파라미터를 업데이트시킬 수 있다.
도 6은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 않은 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 수질정보 표시 시스템(100), 또는 수질정보 표시 시스템(100)에 포함되는 하나 이상의 컴포넌트일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 전술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100 : 수질정보 표시 시스템
102 : 데이터 수집부
104 : 수질 전광판
106 : 예측부
108 : 피드백부
102 : 데이터 수집부
104 : 수질 전광판
106 : 예측부
108 : 피드백부
Claims (2)
- 대상지역에 각각 설치된 하나 이상의 수질 계측장비로부터 상기 대상지역의 수질과 관련된 복수의 측정 데이터를 수집하는 데이터 수집부;
엘이디 표시판을 구비하며, 상기 데이터 수집부로부터 상기 측정 데이터를 수신하여 상기 엘이디 표시판에 표시하는 수질 전광판; 및
상기 복수의 측정 데이터 각각에 대한 조합을 설정된 예측 모델에 시간 흐름에 따라 순차적으로 입력하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하는 예측부를 포함하며,
상기 수질 전광판은, 예측된 상기 대상지역의 수질 이상 및 악취 발생여부를 상기 엘이디 표시판에 표시하고,
상기 측정 데이터는, 상기 수질 계측장비로부터 측정된 온도(℃), 잔류염소(Residual Chlorine, RC)의 양(ppm), 탁도(turbidity) 및 수소이온 농도(pH)를 포함하고,
상기 예측부는, 외부 서버로부터 상기 대상지역의 지형정보 및 물의 양에 대한 정보를 수신하고, 데이터베이스에 저장된 타 지역 중 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 타 지역을 선별하며, 시간 흐름에 따른 상기 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하되, 상기 대상지역의 수질이 정상이고 상기 대상지역의 악취가 발생될 것으로 예측되거나 또는 상기 대상지역의 수질이 이상이고 상기 대상지역의 악취가 발생되지 않을 것으로 예측되는 경우 선별된 상기 타 지역 다음으로 상기 대상지역의 지형정보 및 물의 양과 가장 유사한 다른 타 지역을 선별한 후 시간 흐름에 따른 상기 다른 타 지역에서의 측정 데이터 각각에 대한 수질 이상 및 악취 발생여부를 고려하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고,
상기 예측 모델은, 서로 다른 파라미터를 갖는 제1 예측 모델, 제2 예측 모델, 제3 예측 모델 및 제4 예측 모델을 포함하며,
상기 예측부는, 상기 온도(℃), 상기 잔류염소(Residual Chlorine, RC)의 양(ppm), 상기 탁도(turbidity) 및 상기 수소이온 농도(pH) 각각에 대한 제1 임계치 내지 제4 임계치를 구비하고, 상기 데이터 수집부에서 수집된 측정 데이터에 포함된 온도와 제1 임계치 간의 차인 제1 차이값, 상기 데이터 수집부에서 수집된 상기 측정 데이터에 포함된 잔류염소의 양과 제2 임계치 간의 차인 제2 차이값, 상기 데이터 수집부에서 수집된 상기 측정 데이터에 포함된 탁도와 제3 임계치 간의 차인 제3 차이값, 및 상기 데이터 수집부에서 수집된 상기 측정 데이터에 포함된 수소이온 농도와 제4 임계치 간의 차인 제4 차이값을 계산하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제1 차이값이 가장 큰 경우 상기 제1 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제2 차이값이 가장 큰 경우 상기 제2 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제3 차이값이 가장 큰 경우 상기 제3 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하고, 계산 결과 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값 중 상기 제4 차이값이 가장 큰 경우 상기 제4 예측 모델을 이용하여 상기 대상지역의 수질 이상 및 악취 발생여부를 예측하는, 인공지능 기반의 수질 전광판의 수질정보 표시 시스템.
- 청구항 1에 있어서,
상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 데이터 수집부에서 수집된 상기 측정 데이터와 함께 예측 모델에 피드백시키는 피드백부를 더 포함하며,
상기 예측부는, 상기 측정 데이터에 관한 제1 차이값 내지 제4 차이값에 따라 상기 대상지역에서의 수질 이상 및 악취 발생여부에 관한 실제 측정값을 상기 측정 데이터와 함께 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 입력하여 상기 제1 예측 모델 내지 제4 예측 모델 중 어느 하나에 대한 파라미터를 업데이트시키는, 인공지능 기반의 수질 전광판의 수질정보 표시 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220105389A KR102465915B1 (ko) | 2022-08-23 | 2022-08-23 | 인공지능 기반의 수질 전광판의 수질정보 표시 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220105389A KR102465915B1 (ko) | 2022-08-23 | 2022-08-23 | 인공지능 기반의 수질 전광판의 수질정보 표시 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102465915B1 true KR102465915B1 (ko) | 2022-11-11 |
Family
ID=84042858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220105389A KR102465915B1 (ko) | 2022-08-23 | 2022-08-23 | 인공지능 기반의 수질 전광판의 수질정보 표시 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102465915B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102531205B1 (ko) * | 2022-12-14 | 2023-05-12 | 김남재 | IoT 기반 휴대용 수질 계측기를 이용한 수돗물 수질 정보 시스템 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101824330B1 (ko) | 2016-09-21 | 2018-02-01 | 한국수자원공사 | 수질정보 제공장치 및 이를 이용한 공동주택 수질정보 제공시스템 |
| KR102340325B1 (ko) * | 2021-09-28 | 2021-12-16 | 금동한 | IoT 기반 음용수용 저수조 관리 플랫폼 서비스 시스템 및 그 방법 |
| KR102440372B1 (ko) * | 2022-01-07 | 2022-09-05 | 니브스코리아 주식회사 | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 |
-
2022
- 2022-08-23 KR KR1020220105389A patent/KR102465915B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101824330B1 (ko) | 2016-09-21 | 2018-02-01 | 한국수자원공사 | 수질정보 제공장치 및 이를 이용한 공동주택 수질정보 제공시스템 |
| KR102340325B1 (ko) * | 2021-09-28 | 2021-12-16 | 금동한 | IoT 기반 음용수용 저수조 관리 플랫폼 서비스 시스템 및 그 방법 |
| KR102440372B1 (ko) * | 2022-01-07 | 2022-09-05 | 니브스코리아 주식회사 | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102531205B1 (ko) * | 2022-12-14 | 2023-05-12 | 김남재 | IoT 기반 휴대용 수질 계측기를 이용한 수돗물 수질 정보 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lobo et al. | KnowBR: An application to map the geographical variation of survey effort and identify well-surveyed areas from biodiversity databases | |
| Shen et al. | Time to update the split‐sample approach in hydrological model calibration | |
| Urban et al. | Improving the forecast for biodiversity under climate change | |
| Bolin et al. | Excursion and contour uncertainty regions for latent Gaussian models | |
| Turner et al. | Water supply sensitivity to climate change: An R package for implementing reservoir storage analysis in global and regional impact studies | |
| Samadi et al. | Uncertainty analysis of statistical downscaling models using Hadley Centre Coupled Model | |
| CN110443657B (zh) | 客户流量数据处理方法、装置、电子设备及可读介质 | |
| Yazdi | Water quality monitoring network design for urban drainage systems, an entropy method | |
| Pagano et al. | Dealing with uncertainty in decision-making for drinking water supply systems exposed to extreme events | |
| KR102465915B1 (ko) | 인공지능 기반의 수질 전광판의 수질정보 표시 시스템 | |
| Mikovits et al. | Decision support for adaptation planning of urban drainage systems | |
| EP3454285A1 (en) | An apparatus and method for assessing flooding behaviour and an apparatus and method for predicting a flood property | |
| Aguejdad et al. | Spatial validation of land use change models using multiple assessment techniques: A case study of transition potential models | |
| Peñuela et al. | Assessing the value of seasonal hydrological forecasts for improving water resource management: insights from a pilot application in the UK | |
| US10600007B2 (en) | Auto-analyzing spatial relationships in multi-scale spatial datasets for spatio-temporal prediction | |
| Krüger et al. | Bayesian belief networks as a versatile method for assessing uncertainty in land-change modeling | |
| CN112182067A (zh) | 个体身高预测方法、装置、电子设备及存储介质 | |
| Qian et al. | Evaluating the impact of watershed development and climate change on stream ecosystems: A Bayesian network modeling approach | |
| JP2006274786A (ja) | 雨水排水支援制御装置 | |
| Trinh et al. | Incremental unscented Kalman filter for real-time traffic estimation on motorways using multi-source data | |
| Fakhrmoosavi et al. | An iterative learning approach for network contraction: Path finding problem in stochastic time‐varying networks | |
| Van Steenbergen et al. | Uncertainty decomposition and reduction in river flood forecasting: B elgian case study | |
| Fuentes-Andino et al. | Event and model dependent rainfall adjustments to improve discharge predictions | |
| Ahmadi et al. | Sewer asset management: impact of sample size and its characteristics on the calibration outcomes of a decision-making multivariate model | |
| Boulange et al. | Delivering the latest global water resource simulation results to the public |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |