KR20100062327A - 유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템 - Google Patents

유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템 Download PDF

Info

Publication number
KR20100062327A
KR20100062327A KR1020080120906A KR20080120906A KR20100062327A KR 20100062327 A KR20100062327 A KR 20100062327A KR 1020080120906 A KR1020080120906 A KR 1020080120906A KR 20080120906 A KR20080120906 A KR 20080120906A KR 20100062327 A KR20100062327 A KR 20100062327A
Authority
KR
South Korea
Prior art keywords
vulnerability
groundwater
pollution
groundwater pollution
contamination
Prior art date
Application number
KR1020080120906A
Other languages
English (en)
Other versions
KR101022831B1 (ko
Inventor
오경주
박준홍
이석준
안재준
김강석
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020080120906A priority Critical patent/KR101022831B1/ko
Publication of KR20100062327A publication Critical patent/KR20100062327A/ko
Application granted granted Critical
Publication of KR101022831B1 publication Critical patent/KR101022831B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G01N17/008—Monitoring fouling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust

Abstract

지하수오염취약성 평가 방법 및 시스템이 개시된다. 본 발명에 따른 지하수오염취약성 평가 방법은, 지하수오염취약성 관련 자료로부터 특정 지역에 적합한 지하수오염취약성 영향인자들을 도출하는 단계, 유전자 알고리즘을 이용하여, 상기 도출된 지하수오염취약성 영향인자들 각각에 대한 가중치를 산정하는 단계 및 상기 도출된 지하수오염취약성 영향인자들의 값과 상기 산정된 가중치를 이용하여 상기 특정 지역에 대한 지하수오염취약성 지수를 산출하는 단계를 포함하는 것을 특징으로 한다. 이러한 본 발명에 의하면 지하수오염취약성 영향인자의 가중치를 효율적으로 산출할 수 있으며, 다양한 지역에 적합하도록 보다 정확한 지하수오염취약성 평가를 수행할 수 있다.
DRASTIC 모델, 지하수오염취약성 평가, 유전자 알고리즘

Description

유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템{Method and system for assessing Ground-Water Vulnerability to Contamination using genetic algorithm}
본 발명은 지하수오염취약성 평가 방법 및 시스템에 관한 것으로, 보다 상세하게는 유전자 알고리즘을 이용하여 지역에 적합한 지하수오염취약성 지수를 산출할 수 있는 지하수오염취약성 평가 방법 및 시스템에 관한 것이다.
지하수오염취약성 평가는 토지이용계획이나 지하수 오염 모니터링을 위하여 전세계적으로 점점 더 많이 활용되고 있다. 지난 수십년간 지하수오염취약성 평가는 여러 나라에서 지하수오염 방지계획의 한 부분으로 수행되어 왔다.
지하수오염취약성 평가의 기법 중 대표적인 것으로 1987년 미국 환경보전청(EPA)에서 개발된 DRASTIC 모델이 있으며, 이 모델은 현재 전세계적으로 널리 이용되고 있다. DRASTIC 모델은 수리지질학적인 요인(물리적 특성)을 분석하여 광역적으로 지하수오염취약성을 평가하는 기법이다. DRASTIC 모델의 기본 가정사항은 다음과 같다. 첫째, 오염원은 지표에 위치한다. 둘째, 오염물질의 지하유입은 강우량에 의존한다. 셋째, 오염물질은 물과 같은 유동성을 가진다. 넷째, 평가지역은 0.4 km2 (100 acre) 이상이어야 한다. 모델의 평가는 각 DRASTIC 요소의 다른 요소와의 상대적인 중요성을 나타내는 가중치(1에서 5 사이)를 이용하여 평가된다. 각 요소들의 가중치는 지하수면의 깊이(Depth of Water)-5, 순수 충진량(Net Recharge)-4, 대수층 매질(Aquifer Media)-3, 토양 매질(Soil Media)-2, 지형 경사율(Topography)-1, 비포화대 매질(Impact of the Vadose Zone Media)-5, 대수층의 수리 전도도(Hydraulic Conductivity)-3 으로서 고정되어 있다. 그리고 각 요소들과 그 가중치들의 선형 방정식에 의해 계산된 결과 값이 지하수오염취약성 지수로 산출되어 어떠한 지역의 지하수오염취약성 등급을 평가하게 된다.
그러나 상기된 DRASTIC 모델은 7개 인자들의 고정된 가중치를 사용하기 때문에 다양한 지역에의 적용에 있어 모델의 정확성이 떨어지게 되는 문제점이 있다.
본 발명이 이루고자 하는 기술적 과제는 다양한 지역에 보다 정확하게 적용할 수 있는, 유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템을 제공하는 데 있다.
상기 기술적 과제를 해결하기 위하여 본 발명에 따른 지하수오염취약성 평가 방법은, (a) 지하수오염취약성 관련 자료로부터 특정 지역에 적합한 지하수오염취약성 영향인자들을 도출하는 단계; (b) 유전자 알고리즘을 이용하여, 상기 도출된 지하수오염취약성 영향인자들 각각에 대한 가중치를 산정하는 단계; 및 (c) 상기 도출된 지하수오염취약성 영향인자들의 값과 상기 산정된 가중치를 이용하여 상기 특정 지역에 대한 지하수오염취약성 지수를 산출하는 단계를 포함하는 것을 특징으로 한다.
여기서, 상기 지하수오염취약성 관련자료는, 각 지형마다 어떤 지하수오염취약성 영향인자들이 주로 영향이 미치는지에 대한 정보와, 각 지역마다의 지하수오염취약성 영향인자들의 값과 실제 지하수 오염도 및 지형적 특성을 포함할 수 있다.
또한, 상기 (a) 단계에서, 상기 지하수오염취약성 영향인자들로서, 지하수면의 깊이, 순수 충진량, 대수층 매질, 토양 매질, 지형경사율, 비포화대 매질, 대수층의 수리전도도, 카르스트 싱크홀, 토지이용도, 선구조도 밀도, 투수량 계수, 저류 계수 중 적어도 하나 이상이 도출될 수 있다.
또한, 상기 (b) 단계에서, 상기 유전자 알고리즘을 위한 유전자들은 상기 도출된 지하수오염취약성 영향인자들의 가중치들에 대응되며, 상기 유전자 알고리즘을 위한 적합도 함수는 오염도 오차의 함수에 대응될 수 있다. 이때 상기 오염도 오차의 함수는 상기 오염도 오차의 제곱일 수 있고, 상기 오염도 오차는 실제 지하수 오염도와 지하수오염취약성 영향인자에 해당 가중치를 곱한 값과의 차이일 수 있다.
또한, 상기 (b) 단계에서는, 상기 유전자들과 상기 적합도 함수를 가지고 선택, 교배, 돌연변이, 적합도 평가 과정이 반복하여 수행될 수 있다. 이때 상기 선 택, 교배, 돌연변이, 적합도 평가 과정은 실제 오염도와 가중치에 따른 오염도 간의 오차가 최소가 될 때까지 반복되거나, 실제 오염도와 가중치에 따른 오염도 간의 오차가 소정 임계값보다 작을 때까지 반복될 수 있다.
상기 기술적 과제를 해결하기 위하여 본 발명에 따른 지하수오염취약성 평가 시스템은, 지하수오염취약성 관련 자료로부터 특정 지역에 적합한 지하수오염취약성 영향인자들을 도출하는 지하수오염취약성 영향인자 도출부; 유전자 알고리즘을 이용하여, 상기 도출된 지하수오염취약성 영향인자들 각각에 대한 가중치를 산정하는 가중치 산정부; 및 상기 도출된 지하수오염취약성 영향인자들의 값과 상기 산정된 가중치를 이용하여 상기 특정 지역에 대한 지하수오염취약성 지수를 산출하는 지하수오염취약성 지수 산출부를 포함하는 것을 특징으로 한다.
여기서, 상기 지하수오염취약성 평가 시스템은, 상기 산출된 지하수오염취약성 지수가 소정 값보다 높은 경우 경보를 발생시키는 지하수오염취약성 경보부를 더 포함할 수 있다.
상기 기술적 과제를 해결하기 위하여 상기된 본 발명에 따른, 지하수소염취약성 평가 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.
상기된 본 발명에 의하면, 지하수오염취약성 영향인자의 가중치를 효율적으로 산출할 수 있으며, 다양한 지역에 적합하도록 보다 정확한 지하수오염취약성 평가를 수행할 수 있다.
이하에서는 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이하 설명 및 첨부된 도면들에서 실질적으로 동일한 구성요소들은 각각 동일한 부호들로 나타냄으로써 중복 설명을 생략하기로 한다. 또한 본 발명을 설명함에 있어 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 지하수오염취약성 평가 시스템의 블록도이다. 본 실시예에 따른 지하수오염취약성 평가 시스템은, 지하수오염취약성 관련자료 DB(110), 지하수오염취약성 영향인자 도출부(120), 가중치 산정부(130), 그리고 지하수오염취약성 지수 산출부(140)를 포함하여 이루어진다.
지하수오염취약성 관련자료 DB(110)에는, 지하수오염취약성 관련 자료로서, 지하수오염취약성에 영향을 미치는 다양한 영향인자들에 대한 정보와, 각 지형(예를 들면, 산악 지형, 해안 지형, 평야지대, 카르스트 지형, Fractured till 지형 등)마다 어떤 영향인자들이 지하수오염취약성에 주로 영향을 미치는지에 관한 정보, 각 지역마다의 영향인자들의 값과 실제 지하수 오염도와 지형적 특성 등이 저장된다.
지하수오염취약성 관련자료 DB(110)에 저장되는 정보는, 여러 지역들의 토양 및 지하수에 관한 정보를 가지고 있는 다른 데이터베이스 또는 시스템으로부터 정보를 전달받아 업데이트될 수 있다. 지역마다의 영향인자의 값의 추정 기법은 자료의 부정확성 또는 취득의 어려움에 따라 변경될 수 있는데, 예를 들면, 지하수위의 경우 공동크리깅 기법과 회귀분석법이 수치모사기법으로 변경될 수 있다.
지하수오염취약성 영향인자 도출부(120)는, 지하수오염취약성 관련자료 DB(110)에 저장된 지하수오염취약성 관련 자료로부터 특정 지역에 적합한 지하수 오염취약성 영향인자들을 도출한다.
지하수오염취약성에 영향을 미치는 영향인자들로는, 지하수면의 깊이, 순수 충진량, 대수층 매질, 토양 매질, 지형경사율, 비포화대 매질, 대수층의 수리전도도 등이 있으며, 더 나아가 카르스트 지형의 경우 영향인자로서 지하수면의 깊이 대신에 카르스트 싱크홀(karst sinkholes)이 사용되거나, Fractured till 지형의 경우 균열(fracture), 이중 공극률(double porosity)을 영향인자로서 사용할 수 있다. 또한, 지역에 따라서 토지이용도, 선구조도 밀도 등을 추가할 수 있으며, 자료가 부재한 경우 예를 들면 대수층의 수리전도도를 영향인자에서 제외할 수도 있다. 그리고 피압 단열암반 대수층의 경우 현장시험을 통해 구해진 투수량 계수와 저류 계수를 영향인자로 선택할 수 있다.
가중치 산정부(130)는, 유전자 알고리즘을 이용하여, 지하수오염취약성 영향인자 도출부(120)에 의해 도출된 지하수오염취약성 영향인자들 각각에 대한 가중치를 산정한다.
유전자 알고리즘은 J.H. Holland에 의해 개발된 최적화 기법이다. 유전자 알고리즘은 인간이 가지고 있는 유전자는 선택, 교배 및 돌연변이를 통해 생성된다는 개념으로부터 착안되었으며, 유전자 알고리즘에 따르면 소정의 적합도 함수(Fitness function)를 통하여 최적화가 수행된다. 유전자 알고리즘은 기본 단위 인 유전자들을 포함하는 집단을 대상으로 하여, 그 집단에 속한 유전자들 각각 및 이들의 변환된 유전자가 주어진 문제를 가장 잘 만족시키는 해일 수 있다고 가정한다. 즉, 유전자들에 대해 선택, 교배 및 돌연 변이를 통해 복수의 유전자들이 얻어질 수 있으며, 얻어진 유전자들의 적합도 함수값이 미리 정해진 조건을 만족할 때까지 반복적인 학습이 진행된다.
도 2는 본 발명의 일 실시예에 따라 유전자 알고리즘을 이용하여 지하수 오염취약성 영향인자들에 대한 가중치를 산정하는 과정을 나타낸 흐름도이다. 본 실시예에서 유전자들은 도출된 영향인자들의 가중치들에 대응되며, 적합도 함수는 오염도 오차의 함수, 예를 들면 오염도 오차의 제곱에 대응된다. 오염도 오차는 실제 지하수 오염도와 지하수오염취약성 영향인자에 해당 가중치를 곱한 값과의 차이이다.
우선, 210단계에서는 도출된 지하수오염취약성 영향인자들의 가중치들의 초기 집단을 생성한다. 예를 들어, N개의 지하수오염취약성 영향인자가 도출되었다면, 초기 집단이 (w1, w2, ...., wN)으로 생성되며, 각 가중치는 그 범위에 따라서 랜덤하게 정해질 수 있다.
다음으로, 220단계에서는 상기 210단계에서 생성된 초기 집단의 적합도를 적합도 함수를 이용하여 1차적으로 평가한다. 적합도 함수는 다음과 같은 수학식으로 구해질 수 있다.
적합도 함수 = {실제 지하수오염도-(Fn × wn)}2 = {오염도 오차}2
여기서, Fn은 n번째 영향인자의 값을, wn은 n번째 영향인자의 가중치를 나타낸다.
230단계에서는, 선택(selection) 과정이 수행된다. 본 단계는 집단에 있어서 적합도 분포에 따라서 다음 세대에 생존하는 개체군을 확률적으로 결정하는 단계이다. 여기서 기본적인 방법으로 적합도 비례 선택(proportionate selection)을 사용할 수 있다. 적합도 비례 선택 방법은 각 개체 si 의 적합도 f(si) (>0)(i=1,2,...,N) 의 총합을 구해, 각 개체 si 의 선택 확률을 다음 수학식과 같이 정하는 방법이다.
Figure 112008083017731-PAT00001
240단계에서는 교배(crossover) 과정이 수행되는데, 본 단계는 두 개체 사이의 염색체 교환을 통하여 새로운 개체를 생성하는 단계로서, 다양하게 발생하는 가중치들을 각각의 변수에 결합한다.
250단계에서는 돌연변이(mutation) 과정이 수행된다. 가중치가 고르게 분포되다가 특이한 값(예를 들면 매우 큰 값 또는 매우 작은 값)이 발생된 것을 돌연변이라고 하며, 이러한 돌연변이를 감안하여 다시 가중치를 결합하게 된다.
상기된 선택, 교배, 돌연변이 과정이 완료되면, 260단계에서 다시 적합도 평가를 한다. 본 단계는 선택, 교배, 돌연변이 과정을 거쳐 가중치들이 최적화되었는지 확인하기 위한 단계이다. 적합도 함수로는 상기된 수학식 1에 따른 함수를 사용한다.
이제 270단계에서 유전자 알고리즘의 종결 조건을 만족하는지 검사하고, 그렇지 않다면 다시 230단계로 돌아가, 상기된 선택, 교배, 돌연변이, 그리고 적합도 평가 과정이 다시 수행된다. 만일 종결 조건을 만족하는 경우 유전자 알고리즘은 종료되며, 이때의 각 영향인자의 가중치가 최적화된 가중치로 결정된다. 여기서, 종결 조건은 실제 오염도와 가중치에 따른 오염도 간의 오차가 최소가 된 경우로 하거나, 실제 오염도와 가중치에 따른 오염도 간의 오차가 미리 정하여진 임계값보다 작은 경우를 종결 조건으로 할 수 있다.
다시 도 1을 참조하여, 가중치 산정부(130)에서 각 지하수오염취약성 영향인자들에 대한 가중치가 산정되면, 지하수오염취약성 지수 산출부(140)는 지하수오염취약성 영향인자들의 값과, 이들 각각에 대해 산정된 가중치를 이용하여 특정 지역에 대한 지하수오염취약성 지수를 산출한다. 지하수오염취약성 지수는 다음 수학식에 따라 산출될 수 있다.
지하수오염취약성지수 = (F1×w1)+(F2×w2)+...+(FN×wN)
여기서, 여기서, Fn은 n번째 영향인자의 값을, wn은 n번째 영향인자의 산정 된 가중치를 나타낸다.
나아가, 본 실시예에 따른 지하수오염취약성 평가 시스템은 도시된 바와 같이 지하수오염취약성 경보부(150)를 더 포함할 수 있으며, 이때 지하수오염취약성 경보부(150)는 지하수오염취약성 산출부(140)에서 산출되는 지하수오염취약성 지수를 수신하고, 그 값이 미리 정하여진 값보다 높은 경우 경보를 발생시키도록 한다.
도 3은 본 발명의 일 실시예에 따른 지하수오염취약성 평가 방법의 흐름도를 나타낸다. 본 실시예에 따른 지하수오염취약성 평가 방법은 이상에서 설명된 지하수오염취약성 평가 시스템에서 처리되는 단계들로 이루어진다. 따라서 이하 생략된 내용이라 하더라도 지하수오염취약성 평가 시스템에 관하여 이상에서 기술된 내용은 본 실시예에 따른 지하수오염취약성 평가 방법에도 적용된다.
310단계에서는 지하수오염취약성 관련 자료로부터 특정 지역에 적합한 지하수오염취약성 영향인자들을 도출한다.
320단계에서는 유전자 알고리즘을 이용하여, 상기 310단계에서 도출된 지하수오염취약성 영향인자들 각각에 대한 가중치를 산정한다.
330단계에서는 상기 도출된 지하수오염취약성 영향인자들의 값과 상기 산정된 가중치들을 이용하여 특정 지역에 대한 지하수오염취약성 지수를 산출한다.
상술한 본 발명에 의하면 유전자알고리즘을 이용하여 능동적이고 효율적으로 지하수오염취약성 영향인자의 가중치를 산출할 수 있으며, 원하는 지역에 적합하도록 보다 정확한 지하수오염취약성 평가를 수행할 수 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으 로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 지하수오염취약성 평가 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따라 유전자 알고리즘을 이용하여 지하수 오염취약성 영향인자들에 대한 가중치를 산정하는 과정을 나타낸 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 지하수오염취약성 평가 방법의 흐름도이다.

Claims (15)

  1. 지하수오염취약성 평가 방법에 있어서,
    (a) 지하수오염취약성 관련 자료로부터 특정 지역에 적합한 지하수오염취약성 영향인자들을 도출하는 단계;
    (b) 유전자 알고리즘을 이용하여, 상기 도출된 지하수오염취약성 영향인자들 각각에 대한 가중치를 산정하는 단계; 및
    (c) 상기 도출된 지하수오염취약성 영향인자들의 값과 상기 산정된 가중치를 이용하여 상기 특정 지역에 대한 지하수오염취약성 지수를 산출하는 단계를 포함하는 것을 특징으로 하는 지하수 오염취약성 평가 방법.
  2. 제1항에 있어서,
    상기 지하수오염취약성 관련자료는, 각 지형마다 어떤 지하수오염취약성 영향인자들이 주로 영향이 미치는지에 대한 정보와, 각 지역마다의 지하수오염취약성 영향인자들의 값과 실제 지하수 오염도 및 지형적 특성을 포함하는 것을 특징으로 하는 지하수오염취약성 평가 방법.
  3. 제1항에 있어서,
    상기 (a) 단계에서, 상기 지하수오염취약성 영향인자들로서, 지하수면의 깊이, 순수 충진량, 대수층 매질, 토양 매질, 지형경사율, 비포화대 매질, 대수층의 수리전도도, 카르스트 싱크홀, 토지이용도, 선구조도 밀도, 투수량 계수, 저류 계수 중 적어도 하나 이상이 도출되는 것을 특징으로 하는 지하수오염취약성 평가 방법.
  4. 제1항에 있어서,
    상기 (b) 단계에서, 상기 유전자 알고리즘을 위한 유전자들은 상기 도출된 지하수오염취약성 영향인자들의 가중치들에 대응되며, 상기 유전자 알고리즘을 위한 적합도 함수는 오염도 오차의 함수에 대응되는 것을 특징으로 하는 지하수오염취약성 평가 방법.
  5. 제4항에 있어서,
    상기 오염도 오차의 함수는 상기 오염도 오차의 제곱인 것을 특징으로 하는 지하수오염취약성 평가 방법.
  6. 제5항에 있어서,
    상기 오염도 오차는 실제 지하수 오염도와 지하수오염취약성 영향인자에 해당 가중치를 곱한 값과의 차이인 것을 특징으로 하는 지하수오염취약성 평가 방법.
  7. 제4항에 있어서,
    상기 (b) 단계에서는, 상기 유전자들과 상기 적합도 함수를 가지고 선택, 교 배, 돌연변이, 적합도 평가 과정이 반복하여 수행되는 것을 특징으로 하는 지하수오염취약성 평가 방법.
  8. 제7항에 있어서,
    상기 선택, 교배, 돌연변이, 적합도 평가 과정은 실제 오염도와 가중치에 따른 오염도 간의 오차가 최소가 될 때까지 반복되는 것을 특징으로 하는 지하수오염취약성 평가 방법.
  9. 제7항에 있어서,
    상기 선택, 교배, 돌연변이, 적합도 평가 과정은 실제 오염도와 가중치에 따른 오염도 간의 오차가 소정 임계값보다 작을 때까지 반복되는 것을 특징으로 하는 지하수오염취약성 평가 방법.
  10. 제1항 내지 제9항 중 어느 한 항에 기재된 지하수오염취약성 평가 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
  11. 지하수오염취약성 평가 시스템에 있어서,
    지하수오염취약성 관련 자료로부터 특정 지역에 적합한 지하수오염취약성 영향인자들을 도출하는 지하수오염취약성 영향인자 도출부;
    유전자 알고리즘을 이용하여, 상기 도출된 지하수오염취약성 영향인자들 각 각에 대한 가중치를 산정하는 가중치 산정부; 및
    상기 도출된 지하수오염취약성 영향인자들의 값과 상기 산정된 가중치를 이용하여 상기 특정 지역에 대한 지하수오염취약성 지수를 산출하는 지하수오염취약성 지수 산출부를 포함하는 것을 특징으로 하는 지하수 오염취약성 평가 시스템.
  12. 제11항에 있어서,
    상기 유전자 알고리즘을 위한 유전자들은 상기 도출된 지하수오염취약성 영향인자들의 가중치들에 대응되며, 상기 유전자 알고리즘을 위한 적합도 함수는 오염도 오차의 함수에 대응되는 것을 특징으로 하는 지하수오염취약성 평가 시스템.
  13. 제12항에 있어서,
    상기 오염도 오차의 함수는 상기 오염도 오차의 제곱인 것을 특징으로 하는 지하수오염취약성 평가 시스템.
  14. 제13항에 있어서,
    상기 오염도 오차는 실제 지하수 오염도와 지하수오염취약성 영향인자에 해당 가중치를 곱한 값과의 차이인 것을 특징으로 하는 지하수오염취약성 평가 시스템.
  15. 제11항에 있어서,
    상기 산출된 지하수오염취약성 지수가 소정 값보다 높은 경우 경보를 발생시키는 지하수오염취약성 경보부를 더 포함하는 것을 특징으로 하는 지하수오염취약성 평가 시스템.
KR1020080120906A 2008-12-02 2008-12-02 유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템 KR101022831B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080120906A KR101022831B1 (ko) 2008-12-02 2008-12-02 유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080120906A KR101022831B1 (ko) 2008-12-02 2008-12-02 유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20100062327A true KR20100062327A (ko) 2010-06-10
KR101022831B1 KR101022831B1 (ko) 2011-03-17

Family

ID=42362608

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080120906A KR101022831B1 (ko) 2008-12-02 2008-12-02 유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101022831B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103454404A (zh) * 2013-09-17 2013-12-18 中国科学院亚热带农业生态研究所 一种适宜高异质性喀斯特坡地的微型土壤水文监测系统
CN106779255A (zh) * 2017-03-15 2017-05-31 环境保护部环境与经济政策研究中心 流域农业面源污染控制的最佳管理措施优化方法及装置
CN110808957A (zh) * 2019-09-30 2020-02-18 奇安信科技集团股份有限公司 一种漏洞信息的匹配处理方法及装置
KR102151727B1 (ko) * 2020-03-31 2020-09-03 부경대학교 산학협력단 차등진화 기법을 결합시킨 적응형 뉴로-퍼지 추론 기법에 기초한 지하수 오염 취약성 평가 장치 및 방법
CN111832895A (zh) * 2020-06-10 2020-10-27 中国水产科学研究院黄海水产研究所 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法
KR102266838B1 (ko) * 2020-08-28 2021-06-18 대한민국 현장센서 및 머신러닝을 이용한 매몰지 침출수 감시기법
KR20210136332A (ko) 2020-05-07 2021-11-17 포항공과대학교 산학협력단 유전 알고리즘을 활용한 머신러닝 역 예측 방법
KR20220164271A (ko) * 2021-06-04 2022-12-13 서울대학교산학협력단 지하수 수질 예측 방법 및 지하수 수질 예측 모델의 생성 방법, 및 상기 방법을 수행하는 컴퓨팅 장치

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101474704B1 (ko) * 2014-03-28 2014-12-22 주식회사 지오그린이십일 유전자 알고리즘을 이용한 양수처리 최적화 방법 및 시스템
CN105005712B (zh) * 2015-08-21 2016-09-14 山东科技大学 灰岩含水层富水性评价方法
KR102006826B1 (ko) 2019-02-11 2019-08-02 부경대학교 산학협력단 토지이용을 고려한 지하수 오염 취약성 평가 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050112218A (ko) * 2004-05-25 2005-11-30 주식회사 지오웍스 토양 및 지하수의 오염 진단시스템 및 그 방법
JP4216304B2 (ja) * 2006-08-31 2009-01-28 日本電信電話株式会社 無線通信方法、無線通信システムおよび無線局装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103454404A (zh) * 2013-09-17 2013-12-18 中国科学院亚热带农业生态研究所 一种适宜高异质性喀斯特坡地的微型土壤水文监测系统
CN106779255A (zh) * 2017-03-15 2017-05-31 环境保护部环境与经济政策研究中心 流域农业面源污染控制的最佳管理措施优化方法及装置
CN106779255B (zh) * 2017-03-15 2021-01-01 生态环境部环境与经济政策研究中心 流域农业面源污染控制的最佳管理措施优化方法及装置
CN110808957A (zh) * 2019-09-30 2020-02-18 奇安信科技集团股份有限公司 一种漏洞信息的匹配处理方法及装置
CN110808957B (zh) * 2019-09-30 2022-04-22 奇安信科技集团股份有限公司 一种漏洞信息的匹配处理方法及装置
KR102151727B1 (ko) * 2020-03-31 2020-09-03 부경대학교 산학협력단 차등진화 기법을 결합시킨 적응형 뉴로-퍼지 추론 기법에 기초한 지하수 오염 취약성 평가 장치 및 방법
KR20210136332A (ko) 2020-05-07 2021-11-17 포항공과대학교 산학협력단 유전 알고리즘을 활용한 머신러닝 역 예측 방법
CN111832895A (zh) * 2020-06-10 2020-10-27 中国水产科学研究院黄海水产研究所 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法
CN111832895B (zh) * 2020-06-10 2024-02-23 中国水产科学研究院黄海水产研究所 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法
KR102266838B1 (ko) * 2020-08-28 2021-06-18 대한민국 현장센서 및 머신러닝을 이용한 매몰지 침출수 감시기법
KR20220164271A (ko) * 2021-06-04 2022-12-13 서울대학교산학협력단 지하수 수질 예측 방법 및 지하수 수질 예측 모델의 생성 방법, 및 상기 방법을 수행하는 컴퓨팅 장치

Also Published As

Publication number Publication date
KR101022831B1 (ko) 2011-03-17

Similar Documents

Publication Publication Date Title
KR101022831B1 (ko) 유전자 알고리즘을 이용한 지하수오염취약성 평가 방법 및 시스템
Liu et al. Investigating the role of model structure and surface roughness in generating flood inundation extents using one‐and two‐dimensional hydraulic models
Moghaddam et al. Developing comparative mathematic models, BN and ANN for forecasting of groundwater levels
Kolat et al. Preparation of a geotechnical microzonation model using geographical information systems based on multicriteria decision analysis
Le Cozannet et al. An AHP-derived method for mapping the physical vulnerability of coastal areas at regional scales
Young et al. Modeling the Hydrology of Climate Change in California’s Sierra Nevada for Subwatershed Scale Adaptation 1
Nardi et al. Hydrologic scaling for hydrogeomorphic floodplain mapping: Insights into human‐induced floodplain disconnectivity
Bledsoe et al. Framework and Tool for Rapid Assessment of Stream Susceptibility to Hydromodification 1
Parker et al. Development of ST: REAM: a reach‐based stream power balance approach for predicting alluvial river channel adjustment
KR20140046358A (ko) 산사태 위험성 분석 시스템 및 방법
Hooke Extreme sediment fluxes in a dryland flash flood
Ahmed Modelling spatio-temporal urban land cover growth dynamics using remote sensing and GIS techniques: A case study of Khulna City
Zerger et al. Riding the storm: a comparison of uncertainty modelling techniques for storm surge risk management
England Jr et al. Comparisons of two moments‐based estimators that utilize historical and paleoflood data for the log Pearson type III distribution
Wilkinson et al. Predicting the distribution of bed material accumulation using river network sediment budgets
Escobar‐Arias et al. Differences in river ecological functions due to rapid channel alteration processes in two California rivers using the functional flows model, part 2—model applications
Downs et al. Fluvial system dynamics derived from distributed sediment budgets: Perspectives from an uncertainty‐bounded application
Shih et al. Identifying tree characteristics to determine the blocking effects of water conveyance for natural flood management in urban rivers
Meher Rainfall and runoff estimation using hydrological models and ANN techniques
Siregar Land cover change impact on urban flood modeling (case study: Upper Citarum watershed)
Hiben et al. Estimation of rainfall and streamflow missing data under uncertainty for Nile basin headwaters: the case of Ghba catchments
Wang et al. Evaluating suspended sediment and turbidity reduction projects in a glacially conditioned catchment through dynamic regression and fluvial process‐based modelling
Javadi et al. Evaluation and Simulation of Groundwater Flow in Aquifers Enclosed With Desert Saline Areas (Case Study: Isfahan Province-Ardestan Aquifer)
Iskra et al. Parameter uncertainty of a watershed model
Wu et al. Rainfall‐Runoff Model for Typhoons Making Landfall in Taiwan 1

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
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140108

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150313

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160202

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee