KR20170112469A - 데이터마이닝 기법을 이용한 종합 수질 평가지수의 산정방법 - Google Patents
데이터마이닝 기법을 이용한 종합 수질 평가지수의 산정방법 Download PDFInfo
- Publication number
- KR20170112469A KR20170112469A KR1020160039540A KR20160039540A KR20170112469A KR 20170112469 A KR20170112469 A KR 20170112469A KR 1020160039540 A KR1020160039540 A KR 1020160039540A KR 20160039540 A KR20160039540 A KR 20160039540A KR 20170112469 A KR20170112469 A KR 20170112469A
- Authority
- KR
- South Korea
- Prior art keywords
- water quality
- data
- water
- items
- water pollution
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007418 data mining Methods 0.000 title claims abstract description 11
- 238000011156 evaluation Methods 0.000 title claims description 4
- 238000011002 quantification Methods 0.000 title 1
- 238000013441 quality evaluation Methods 0.000 claims abstract description 25
- 238000003911 water pollution Methods 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 17
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 10
- 229910052760 oxygen Inorganic materials 0.000 description 10
- 239000001301 oxygen Substances 0.000 description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000001954 sterilising effect Effects 0.000 description 5
- 238000004659 sterilization and disinfection Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 238000004062 sedimentation Methods 0.000 description 4
- 239000002352 surface water Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003651 drinking water Substances 0.000 description 3
- 235000020188 drinking water Nutrition 0.000 description 3
- 239000008235 industrial water Substances 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000001303 quality assessment method Methods 0.000 description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- XFXPMWWXUTWYJX-UHFFFAOYSA-N Cyanide Chemical compound N#[C-] XFXPMWWXUTWYJX-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 241000270666 Testudines Species 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 229930002868 chlorophyll a Natural products 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- XMSHRLOQLUNKSN-UHFFFAOYSA-N destosyl pyrazolate Chemical compound CC1=NN(C)C(O)=C1C(=O)C1=CC=C(Cl)C=C1Cl XMSHRLOQLUNKSN-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000001223 reverse osmosis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000009897 systematic effect 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G06F17/30572—
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명의 일 실시예에 의한 종합 수질 평가지수 산정방법은 평가 대상의 수질 측정 데이터를 활용하여 수질항목에 대한 표준 데이터 베이스를 구축하는 과정, 상기 수질 측정 데이터를 데이터 마이닝 기법에 의해 분류하여 그룹화하는 과정, 상기 데이터 그룹에 대하여 수질 오염 등급을 부여하는 과정 및 신규 데이터가 상기 부여된 수질 오염 등급에 속하는 그룹에 따라 종합 수질 평가 지수를 산출하는 과정을 포함한다.
Description
본 발명은 데이터마이닝 기법을 이용한 종합 수질 평가지수의 산정방법에 관한 것으로, 보다 상세하게는 환경부에서 설치 및 운영하고 있는 표층수 수질 측정망 자료를 데이터마이닝 기법을 활용하여 표층수의 수질 오염등급을 계층화하여 종합 수질 평가지수를 산정하는 방법에 관한 것이다.
현재 우리나라는 수역별, 항목별로 수질환경기준이 설정되어 있는데 수역별로는 하천, 호소, 해역으로 구분하고 항목별로는 생활환경기준인 수소이온농도(PH), 생물학적 산소요구량(BOD), 용존산소량(DO), 화학적 산소요구량(COD), 부유물질량(SS) 등 8개 항목과 사람의 건강보호기준인 카드뮴(Cd), 시안(Cn), 비소(As), 수은(Hg) 등 17개 항목으로 구분하고 있다.
등급별로 하천, 호소에 7개 등급, 해역에 3개 등급으로 구분하여 각각 기준을 차등, 설정하고 관리하고 있다. 이러한 등급은 다음과 같다.
매우 좋음 등급은 용존 산소가 풍부하고 오염물질이 없는 청정상태의 생태계로 여과, 살균 등 간단한 정수처리 후 생활 용수로 사용할 수 있는 상태이다. 좋음 등급은 용존산소가 많은 편이고 오염물질이 거의 없는 청정상태에 근접한 생태계로 여과, 침전, 살균 등 일반적인 정수처리 후 생활용수로 사용할 수 있는 상태이다. 약간 좋음 등급은 약간의 오염 물질은 있으나 용존 산소가 많은 상태의 다소 좋은 생태계로 여과, 침전, 살균 등 일반적인 정수처리 후 생활용수 또는 수영용수로 사용할 수 있는 상태이다. 보통 등급은 보통의 오염물질로 인하여 용존산소가 소모되는 일반 생태계로 여과, 침전, 활성탄 투입, 살균 등 고도의 정수처리 후 생활용수로 이용하거나 일반적 정수처리 후 공업용수로 사용할 수 있는 상태이다. 약간나쁨 등급은 상당량의 오염물질로 인하여 용존산소가 소모되는 생태계로 농업용수로 사용하거나, 여과, 침전, 활성탄 투입, 살균 등 고도의 정수처리 후 공업용수로 사용할 수 있는 상태이다. 나쁨 등급은 다량의 오염물질로 인하여 용존산소가 소모되는 생태계로 산책 등 국민의 일상생활에 불쾌감을 유발하지 아니하며, 활성탄 투입, 역삼투압 공법 등 특수한 정수처리 후 공업용수로 사용할 수 있는 상태이다. 매우 나쁨 등급은 용존 산소가 거의 없는 오염된 물로 물고기가 살기 어려운 상태이다.
도 1은 종래 표층수의 수질등급을 나타낸 도면이다. 도 1에 도시된 바와 같이, 기존 수질오염등급은 5개의 수질항목에 대한 등급을 개별적으로 세분화하고 있어 5개 수질항목에 대한 수질등급을 동시에 평가할 경우 종합적인 수질 이해, 평가에 어려움이 있다. 또한 5개 항목 이외의 기타 14개 측정항목이 수질오염 평가에서 배제되어 종합수질 평가 시 반영되지 않는 문제점이 있다. 따라서 개별 항목에 대한 수질 등급 만으로는 종합적인 수질 평가가 어려우며, 또한 종합 수질 평가 시 특정 수식과 수질항목만을 활용하여 수질평가지수를 산정할 경우 새로운 수질항목이 종합평가에 반영되지 못하는 문제점이 있다.
상기한 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.
본 발명은 이러한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 수질측정 대상에서 측정되는 데이터를 데이터 마이닝 기법을 통하여 그룹화하여 수질 오염등급을 계층화하고 종합적인 수질평가가 가능한 수질 평가지수의 산정방법 제공하는 데 있다.
위 목적을 달성하기 위하여 본 발명의 일 실시예에 의한 종합 수질 평가지수 산정방법은 평가 대상의 수질 측정 데이터를 활용하여 수질항목에 대한 데이터 베이스를 구축하는 과정, 상기 수질 측정 데이터를 데이터 마이닝 기법에 의해 분류하여 그룹화하는 과정, 상기 데이터 그룹에 대하여 수질 오염 등급을 부여하는 과정 및 상기 부여된 수질 오염 등급에 따라 특정 수질 데이터의 종합 수질 평가 지수를 산출하는 과정을 포함한다.
상기 데이터 마이닝 기법은 자기 조직화 지도(Self-Organizing Map, SOM) 기법을 적용하는 것일 수 있다.
상기 수질 오염 등급을 부여하는 과정은 수질오염 등급을 축소 또는 확대하여 그 범위를 조절하는 과정을 포함할 수 있다.
상기 수질 오염 등급을 부여하는 과정은 개별 수질항목에 대한 가중치를 부여하는 과정을 포함할 수 있다.
상기 특정 수질 데이터가 신규 항목인 경우 기존의 데이터와의 관계에서 그룹을 선정하여 수질 오염등급을 부여하는 것일 수 있다.
본 발명에 의한 종합 수질 평가지수 산정방법에 따르면 다음과 같은 효과가 있다.
첫째, 측정 단위가 상이한 복잡한 수질 항목으로 구성된 데이터를 단일 도구를 사용하여 체계적이고 종합적인 수질평가지수를 생성할 수 있다.
둘째, 생성된 수질평가지수를 통하여 일반 국민들의 수질에 대한 이해도를 높이는 데 기여할 수 있으며, 제공된 방법은 다양한 수체(표층수, 지하수 및 해안 수질)에 광범위하게 적용될 수 있다.
셋째, 기본 데이터베이스 이외에 동일 수질항목으로 구성된 새로운 데이터가 추가될 경우 분석도구의 재 구동 없이 기존에 분류된 그룹별 특성들과 단순 비교분석을 통하여 신속한 그룹화 및 종합 수질평가지수 산출이 가능하며, 사용자의 목적에 따라 추가적인 수질항목을 포함하거나 수질 항목별 가중치를 조절하여 종합 수질 평가지수를 산출할 수 있다.
도 1은 종래 표층수의 수질등급을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 종합 수질 평가지수 산정과정을 나타내는 순서도이다.
도 3은 조직화 지도 기법을 활용한 데이터 그룹화 과정을 나타낸 도면이다.
도 4은 수질 특성에 따라 분류하여 수질 등급을 선정한 예이다.
도 2는 본 발명의 일 실시예에 따른 종합 수질 평가지수 산정과정을 나타내는 순서도이다.
도 3은 조직화 지도 기법을 활용한 데이터 그룹화 과정을 나타낸 도면이다.
도 4은 수질 특성에 따라 분류하여 수질 등급을 선정한 예이다.
여기서 사용되는 전문용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특정 특성, 영역, 정수, 단계, 동작, 요소, 성분 및/또는 군의 존재나 부가를 제외시키는 것은 아니다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 의한 종합 수질 평가지수 산정방법에 대하여 설명하기로 한다.
수질을 평가하는 수질평가항목에 관한 데이터는 각 지역, 시간 대 별로 각기 상이한 데이터 구간을 가지게 된다. 따라서, 절대적인 데이터 값을 비교하여 시간의 변화에 따른 수질의 변화나 지역변화에 따른 수질의 변화를 명확하게 측정하기 어려운 측면이 존재한다. 따라서 대규모 측정 데이터를 활용하여 수질 변화 구간을 책정하면 이에 따른 상대적인 수질오염 상태를 확인할 수 있는 이점이 있다.
지금까지 축적되어 있는 대규모의 수질 측정 데이터를 활용하려면 합리적을 수질 지표 설정을 위해 긴 시간 모니터링 결과 분석이 요구되며, 종합 수질평가지수 선정을 위해서는 여러 가지 수질 항목에 대한 동시적 고려가 필요하다. 또한 대규모 수질 측정 데이터로 인하여 수질 분류 및 등급화 작업에 긴 시간이 소요되며, 수질 자료의 이상치와 결측치가 등급 분류 및 통계분석에 큰 영향을 미칠 수 있다. 따라서 본 발명에서는 대용량의 수질 데이터를 차원을 줄여 편리하게 해석할 수 있는 (데이터 마이닝의 한 부류인) 자기조직화지도(SOM)기법을 활용하여 분류하여 그룹화하였다.
도 2는 본 발명의 일 실시예에 따른 종합 수질 평가지수 산정방법을 순서도이다. 도 2를 참조하면, 본 발명의 일 실시예에 따른 종합 수질 평가지수 산정방법은 평가 대상의 수질 측정 데이터를 활용하여 수질항목에 대한 표준화된 데이터 베이스를 구축하는 과정(S10), 상기 수질 측정 데이터를 데이터 마이닝 기법에 의해 분류하여 그룹화하는 과정(S20), 상기 데이터 그룹에 대하여 수질 오염 등급을 부여하는 과정(S30) 및 신규 데이터가 상기 부여된 수질 오염 등급에 속하는 그룹에 따라 종합 수질 평가 지수를 산출하는 과정(S40)을 포함한다.
우선 평가대상이 되는 수질 측정 데이터를 활용하여 수질항목에 대한 데이터 베이스를 구축한다(S10). 수질 평가의 대상이 되는 수질 측정 데이터는 다양한 항목을 포함할 수 있다. 예를 들면 물환경정보시스템에서 수질등급으로 활용되는 BOD, COD, 수온, T-P, T-N 값뿐만 아니라 pH, DTN, DTP, 인산염인, 클로로필a, Cd, CN, Pb 함량 등 다양한 항목을 포함할 수 있다. 이러한 항목에 대한 데이터 베이스는 물환경정보시스템에서의 데이터를 활용할 수 있다.
상기 구축된 데이터 베이스의 수질 측정 데이터를 활용하여 데이터 마이닝 기법을 사용하여 분류하여 그룹화한다(S20). 수질 측정 데이터를 그룹화하는 데이터 마이닝 기법은 유사성 또는 차별성을 통하여 그 값을 분류하는 방법이며, 그 중 자기 조직화 지도(Self-Organizing Map, SOM) 기법을 적용하는 것이 바람직하다. 자기 조직화 지도는 인공신경망의 일종으로 입력 벡터를 훈련 집합과 일치되도록 가중치를 조정하는 자율 학습 방법이다. 자기 조직화 지도 기법은 기본적으로 모니터링 자료를 기반으로 한 입력자료로부터 생성된 입력층과, 학습을 통해 학습값을 할당하는 출력층으로 구성되어 있다. 입력층을 구성하는 각각의 표본벡터는 자기 조직화 지도 학습을 위해 생성된 가상벡터와 비교를 통해 유클리드 거리를 산정하고, 가장 짧은 유클리드 거리를 중심으로 가중치를 재조정하는 반복적인 과정을 거쳐 최종적으로는 각 표본벡터의 위치를 저차원의 맵에 출력한다. 즉 입력값을 상호 비교하여 스스로 그룹을 조직해 내는 방법 중에 하나이다. 도 3은 조직화 지도 기법을 활용한 데이터 그룹화과정을 나타낸 도면이다. 도 3에 도시된 바와 같이, 입력 데이터는 가중치가 결정된 이후 최종적으로 2차원 맵으로 형성된 출력층에 출력되며 유사한 입력값은 인접한 인접한 셀에 위치하고 상이한 입력값은 거리가 먼 셀에 위치하여 입력값을 분류하게 된다. 이와 같이 최종적으로 2차원 맵에 출력된 데이터는 유사성과 차별성에 따른 군집화된다.
자기조직화 지도의 학습 및 출력 과정은 다음 네 가지 요소로 요약할 수 있다. 1)모든 연결강도를 작은 무작위값으로 초기화 하는 단계, 2)각 입력패턴에 대해 판별함수의 상대값을 계산하는 단계(이 단계에서 판별함수는 입력벡터와 뉴런에 대한 가중벡터 사이의 제곱 유클리드 거리로 정의한다. 즉, 뉴런은 입력벡터에 가장 가까운 가중벡터를 갖는 노드를 승자로 선언한다.), 3)승자 뉴런이 위상 이웃(topological neighborhood)의 공간적 위치를 결정하는 단계, 4)승자 뉴런의 가중치가 입력벡터에 더 가까워지도록 가중치가 조정되는 단계(입력 데이터가 훈련 집합에 일치되었다고 보는 시점까지 학습을 실시 후 자기조직화지도 기법의 결과에 학습값을 출력층에 할당한다).
상기 설명한 바와 같이 수질 데이터를 활용하여 그룹화 하고 정해진 기준에 따라 수질오염등급을 부여한다(S40). 수질 오염등급을 부여시에는 자기 조직화 지도를 통해 생성된 2차원맵과 유틀리드 거리를 사용하여 선정하는 것이 가능하다(도 3 우측 그림 참조). 도 4은 수질 특성에 따라 구분하여 그룹화하여 수질 등급을 선정한 예이다. 도 4에 도시된 바와 같이, 그룹화된 데이터를 활용하며 수질등급을 부여하는 것이 가능하다. 수질등급을 표시하는 경우에 2개 또는 그 이상의 클러스터로 자기 조직화 지도를 군집화할 때, 어떤 셀들이 하나의 클러스터로 묶이는지에 대한 정보를 제공해주는 계통도를 이용하여 수질등급을 축소 또는 확대하여 그 범위를 조절하는 것이 가능하다. 도 3우측의 그림은 자기 조직화 지도 기법에서 형성된 계통도를 기준으로 하여 수질등급의 세분화 정도를 선정한 예이다. 또한, 입력 자료를 구성하는 경우에 각 데이터에 가중치를 각각 다르게 부여하거나, 자기 조직화 지도 학습과정에서 각 값의 거리에 대한 기준을 변경하여 수질 등급을 사용자의 요구에 따라 다르게 부여하는 것이 가능하다.
신규 데이터가 상기 부여된 수질 오염 등급에 속하는 그룹에 따라 종합 수질 평가 지수를 산출한다(S40). 표준 데이터베이스와 자기 조직화 지도를 활용하여 데이터를 그룹화하면 수질항목별 경계가 구분되어 있다. 이후 동일 수질항목으로 이루어진 새로운 측정데이터가 추가 시 등급화된 데이터와 단순히 비교 분석하여 통합 수질 평가 지수를 도출하는 것이 가능하다. 새로운 측정데이터가 기존의 수질항목으로 이루어진 데이터가 아닌 새로운 측정 항목을 포함할 경우 그와 관련된 기존의 측정데이터를 활용하여 수질 오염등급을 재조정하고 이후 신규 측정데이터의 종합 수질 평가지수를 산정할 수 있다. 다른 측면에서 측정이 오래 소요되는 데이터인 BOD5days의 경우에는 직접 측정하는 것보다 비교적 측정이 용이한 수질인자인 암모니아성 질소, SRP, SS, COD값을 측정하여 이를 그룹화된 데이터와 비교하게 되면 이를 예측하는 것도 가능하다. 즉, 자기 조직화 지도의 경우 유사한 수질 패턴을 나타내는 데이터들은 저차원 맵에 동일 또는 인접한 셀이 위치하며, 일부 시점에 특정 수질 항목(예: 미측정 BOD5days 값)의 결측값이 발생되었다고 하더라도 결측값이 없는 데이터와 결측값이 있는 데이터간 이 수질 항목을 제외한 다른 수질항목들(암모니아성 질소, SRP, SS, COD값)의 유사성을 비교 분석하여 해당 결측값을 역추정하게 된다.
상기와 같이 자기조직화지도 기법을 활용하여 종합 수질평가지수를 산정하게 되면 측정단위가 상이한 복잡한 수질 평가 항목 데이터를 단일 도구를 통하여 체계적으로 분석하여 종합적인 수질평가지수를 생성할 수 있으며, 부가적으로 기본 데이터베이스 이외에 동일 수질항목으로 구성된 새로운 데이터가 추가될 경우 분석도구의 재 구동 없이 기존에 분류된 그룹별 특성들과 단순 비교분석을 통하여 신속한 그룹화 및 종합 수질평가지수 산출이 가능하며, 사용자의 목적에 따라 추가적인 수질항목을 포함하거나 수질 항목별 가중치를 조절하여 종합 수질 평가지수를 산출하는 것이 가능하다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.
그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변경된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (5)
- 평가 대상의 수질 측정 데이터를 활용하여 수질항목에 대한 표준 데이터 베이스를 구축하는 과정;
상기 수질 측정 데이터를 데이터 마이닝 기법에 의해 분류하여 그룹화하는 과정;
상기 데이터 그룹에 대하여 수질 오염 등급을 부여하는 과정; 및
특정 수질 데이터가 상기 부여된 수질 오염 등급에 속하는 그룹에 따라 종합 수질 평가 지수를 산출하는 과정을 포함하는 종합 수질 평가지수 산정방법.
- 청구항1에 있어서,
상기 데이터 마이닝 기법은 자기 조직화 지도(Self-Organizing Map, SOM) 기법을 적용하는 것을 특징으로 하는 종합 수질 평가지수 산정방법.
- 청구항1에 있어서,
상기 수질 오염 등급을 부여하는 과정은 수질오염 등급을 축소 또는 확대하여 그 범위를 조절하는 과정을 포함하는 종합 수질 평가지수 산정방법.
- 청구항 1에 있어서,
상기 수질 오염 등급을 부여하는 과정은 개별 수질항목에 대한 가중치를 부여하는 과정을 포함하는 종합 수질 평가지수 산정방법.
- 청구항1에 있어서,
상기 특정 수질 데이터가 신규 항목인 경우 기존의 데이터와의 관계에서 그룹을 선정하여 수질 오염등급을 부여하는 것을 특징으로 하는 종합 수질 평가지수 산정방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160039540A KR102432212B1 (ko) | 2016-03-31 | 2016-03-31 | 데이터마이닝 기법을 이용한 종합 수질 평가지수의 산정방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160039540A KR102432212B1 (ko) | 2016-03-31 | 2016-03-31 | 데이터마이닝 기법을 이용한 종합 수질 평가지수의 산정방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170112469A true KR20170112469A (ko) | 2017-10-12 |
| KR102432212B1 KR102432212B1 (ko) | 2022-08-12 |
Family
ID=60141853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160039540A KR102432212B1 (ko) | 2016-03-31 | 2016-03-31 | 데이터마이닝 기법을 이용한 종합 수질 평가지수의 산정방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102432212B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114414751A (zh) * | 2021-12-15 | 2022-04-29 | 华能煤炭技术研究有限公司 | 一种地下水质检测方法及系统 |
| CN116183845A (zh) * | 2022-12-06 | 2023-05-30 | 北京华科仪科技股份有限公司 | 一种饮用水水质检测分析评估方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020096520A (ko) * | 2001-06-20 | 2002-12-31 | 주식회사 엔비자인 | 수처리시설의 평가방법 |
| KR20140067763A (ko) | 2012-11-27 | 2014-06-05 | 한국지질자원연구원 | 통계적 분석 방법을 이용한 지하수 수질 시계열 자료의 오염 등급 정량화 및 지하수 수질등급 평가방법 |
-
2016
- 2016-03-31 KR KR1020160039540A patent/KR102432212B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020096520A (ko) * | 2001-06-20 | 2002-12-31 | 주식회사 엔비자인 | 수처리시설의 평가방법 |
| KR20140067763A (ko) | 2012-11-27 | 2014-06-05 | 한국지질자원연구원 | 통계적 분석 방법을 이용한 지하수 수질 시계열 자료의 오염 등급 정량화 및 지하수 수질등급 평가방법 |
Non-Patent Citations (2)
| Title |
|---|
| 박성천 외 4외, 자기조직화 특성지도 이론을 이용한 비점오염원 유출특성 분석, 한국수자원학회, 2010. May 10, pp.1144 - 1148, (2010.03.10.)* * |
| 한국농어촌공사 농어촌연구원, 농업용저수지 유형별 수질예측모델 적용방안 연구, 2010. 12. (2010.12.31.)* * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114414751A (zh) * | 2021-12-15 | 2022-04-29 | 华能煤炭技术研究有限公司 | 一种地下水质检测方法及系统 |
| CN114414751B (zh) * | 2021-12-15 | 2024-05-10 | 华能煤炭技术研究有限公司 | 一种地下水质检测方法及系统 |
| CN116183845A (zh) * | 2022-12-06 | 2023-05-30 | 北京华科仪科技股份有限公司 | 一种饮用水水质检测分析评估方法及系统 |
| CN116183845B (zh) * | 2022-12-06 | 2023-09-22 | 北京华科仪科技股份有限公司 | 一种饮用水水质检测分析评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102432212B1 (ko) | 2022-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maire et al. | How many dimensions are needed to accurately assess functional diversity? A pragmatic approach for assessing the quality of functional spaces | |
| Filstrup et al. | Regional variability among nonlinear chlorophyll—phosphorus relationships in lakes | |
| Astel et al. | Comparison of self-organizing maps classification approach with cluster and principal components analysis for large environmental data sets | |
| Park et al. | Hierarchical community classification and assessment of aquatic ecosystems using artificial neural networks | |
| Wu et al. | Development and testing of a phytoplankton index of biotic integrity (P-IBI) for a German lowland river | |
| Razavi et al. | Classification of Ontario watersheds based on physical attributes and streamflow series | |
| Derot et al. | Advances in forecasting harmful algal blooms using machine learning models: A case study with Planktothrix rubescens in Lake Geneva | |
| Kavanaugh et al. | Hierarchical and dynamic seascapes: A quantitative framework for scaling pelagic biogeochemistry and ecology | |
| Legendre et al. | Clustering and partitioning | |
| Spitale et al. | Environmental classification of springs of the Italian Alps and its consistency across multiple taxonomic groups | |
| Jin et al. | Spatiotemporal classification of environmental monitoring data in the Yeongsan River basin, Korea, using self-organizing maps | |
| Voyslavov et al. | Surface water quality assessment using self-organizing maps and Hasse diagram technique | |
| Juahir et al. | Spatial assessment of Langat river water quality using chemometrics | |
| Mayer et al. | Classification of watersheds into integrated social and biophysical indicators with clustering analysis | |
| Mitrović et al. | Virtual water quality monitoring at inactive monitoring sites using Monte Carlo optimized artificial neural networks: A case study of Danube River (Serbia) | |
| CN110969346A (zh) | 基于指标筛选的流域水生态功能分区治理需求评价方法 | |
| Chen et al. | Local habitat heterogeneity determines the differences in benthic diatom metacommunities between different urban river types | |
| Johnson | Spatial congruence between ecoregions and littoral macroinvertebrate assemblages | |
| Vélez-Agudelo et al. | Modern diatoms from a temperate river in South America: the Colorado River (North Patagonia, Argentina) | |
| Li et al. | Ecological exergy as an indicator of land-use impacts on functional guilds in river ecosystems | |
| Wang et al. | Comparison of machine learning techniques and variables for groundwater dissolved organic nitrogen prediction in an urban area | |
| Song et al. | Self-organizing mapping of benthic macroinvertebrate communities implemented to community assessment and water quality evaluation | |
| Lavoie et al. | Diatoms and biomonitoring: should cell size be accounted for? | |
| KR20170112469A (ko) | 데이터마이닝 기법을 이용한 종합 수질 평가지수의 산정방법 | |
| Bedoya et al. | Characterization of biological responses under different environmental conditions: a hierarchical modeling approach |
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 |