KR20190090425A - Automatically calibrating method using statistical method of efdc model - Google Patents

Automatically calibrating method using statistical method of efdc model Download PDF

Info

Publication number
KR20190090425A
KR20190090425A KR1020180009049A KR20180009049A KR20190090425A KR 20190090425 A KR20190090425 A KR 20190090425A KR 1020180009049 A KR1020180009049 A KR 1020180009049A KR 20180009049 A KR20180009049 A KR 20180009049A KR 20190090425 A KR20190090425 A KR 20190090425A
Authority
KR
South Korea
Prior art keywords
water quality
parameter
quality data
efdc
model
Prior art date
Application number
KR1020180009049A
Other languages
Korean (ko)
Other versions
KR102033507B1 (en
Inventor
최재훈
이연우
윤진혁
Original Assignee
(주)휴먼플래닛
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)휴먼플래닛 filed Critical (주)휴먼플래닛
Priority to KR1020180009049A priority Critical patent/KR102033507B1/en
Publication of KR20190090425A publication Critical patent/KR20190090425A/en
Application granted granted Critical
Publication of KR102033507B1 publication Critical patent/KR102033507B1/en

Links

Images

Classifications

    • G06F17/5009—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G06F2217/16—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

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

Abstract

The present invention relates to an automatic calibrating method using a statistical method of environmental fluid dynamic code (EFDC) model, configured to select parameters corresponding to water-quality items used in the EFCD model and detect parameter combinations suitable for the water-quality items by determining the validity of the selected parameter combinations. To this end, according to the present invention, the automatic calibrating method using a statistical method of EFDC model comprises: a parameter selection step of selecting parameters corresponding to water-quality items; a parameter combination generation step of generating a plurality of parameter combinations by randomly combining the parameters selected in the parameter selection step; a simulation step of extracting simulated water-quality data by executing the three-dimensional EFDC model for each of the parameter combinations generated in the parameter combination generation step; a simulated water-quality data selection step of comparing the simulated water-quality data extracted in the simulation step with actual water-quality data that is actually measured and selecting simulated water-quality data within an error range with respect to the measured water-quality data; a ranking calculation step of calculating a ranking of the parameter combinations by using a statistical method on the parameter combinations selected in the simulated water-quality data selection step; and a parameter combination verification step of verifying the parameter combinations by inputting and executing the parameter combinations into the EFDC model according to the ranking of the parameter combinations, calculated in the ranking calculation step. According to the present invention, it is possible to derive the same result even by an unprofessional user.

Description

EFDC 수질모델의 통계기법을 이용한 자동보정 방법{AUTOMATICALLY CALIBRATING METHOD USING STATISTICAL METHOD OF EFDC MODEL}Automatic correction using statistical technique of EFDC water quality model {AUTOMATICALLY CALIBRATING METHOD USING STATISTICAL METHOD OF EFDC MODEL}

본 발명은 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 관한 것으로서, 더욱 상세하게는 EFDC(Environmental Fluid Dynamic Code) 수질모델에서 사용되는 수질항목에 대응하는 매개변수를 선정하고, 선정된 매개변수의 조합에 대한 유효성을 판단하여 수질항목에 적합한 매개변수 조합을 검출할 수 있는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 관한 것이다.The present invention relates to an automatic correction method using the statistical technique of the EFDC water quality model, and more particularly, to select a parameter corresponding to the water quality items used in the EFDC (Environmental Fluid Dynamic Code) water quality model, The present invention relates to an automatic correction method using the statistical technique of the EFDC water quality model that can detect the combination of parameters suitable for the water quality items by determining the validity of the combination.

양호한 수질환경에 대한 관심이 높아지면서, 수자원의 관리 및 수질 환경의 중요성이 대두되고 있다. 수자원 관리 및 수질의 환경변화를 평가하고, 수질보전을 위한 의사결정 도구로 Qual2k, HSPF, SWMM 및 EFDC 모델 등 다양한 수질모델이 사용되고 있다.As interest in a good water environment increases, the importance of water resource management and the water environment is emerging. Various water quality models, such as Qual2k, HSPF, SWMM, and EFDC models, are used as a decision-making tool for water resource management and assessment of environmental changes in water quality, and for water conservation.

상기의 수질모델은 공개 소스로 배포되고 있으나, 상기 수질모델에 입력하기 위한 입력자료의 전처리과정 및 수질모델을 실행시킨 후의 결과물을 가시화하여 출력하는 후처리과정에 대한 시스템은 미흡한 실정이다.Although the water quality model is distributed as an open source, there is a lack of a system for preprocessing input data for input into the water quality model and post-processing process for visualizing and outputting the result after executing the water quality model.

상기의 수질모델 중, EFDC(Environmental Fluid Dynamic Code) 모델은 연안, 하구, 호소, 습지, 저수지 등의 유동 또는 수질에 대한 3차원 모의 가능한 수질모델로서, 특정 대상지역에 대한 입력자료를 규칙에 맞게 작성하여 입력하고 수질모델을 실행하면, 미리 정해진 시간가격에 따라 유동, 퇴적 및 수질에 대한 수치의 정량적 변화치를 계산하며, 계산된 변화치를 결과물로 저장한다.Among the above water quality models, the EFDC (Environmental Fluid Dynamic Code) model is a three-dimensional water quality model that can simulate the flow or water quality of coasts, estuaries, lakes, wetlands, reservoirs, and so on. After filling out the input and executing the water quality model, the quantitative change in the numerical values for flow, sedimentation and water quality is calculated according to the predetermined time price, and the calculated change is stored as a result.

EFDC 수질모델을 이용한 하천 분석장치로서, 등록특허공보 제10-1492323호에는 다차원 수리모형을 이용한 하천 흐름 연계모의 GUI장치가 개시되었다. 상기 기술은 1차원 수문 관측자료 정보의 데이터 모델을 전처리 과정을 통해 변환하여 다차원 수리모형의 EFDC와 CCHE2D에 입력하고, 상기 다차원 수리모형에서 입력받은 정보와 상기 데이터베이스(DB)의 다차원 수리모형의 모의결과의 데이터 모델을 함께 후처리 과정을 통해 처리하고 분석하여 하천 흐름을 분석하는 것을 특징으로 한다.As a river analysis apparatus using the EFDC water quality model, Korean Patent Application Publication No. 10-1492323 discloses a GUI device for a stream flow model using a multidimensional hydraulic model. The technique converts a data model of 1D hydrological observation data information through a preprocessing process and inputs it to EFDC and CCHE2D of a multidimensional mathematical model, and simulates the information received from the multidimensional mathematical model and a multidimensional mathematical model of the database (DB). The stream data is analyzed by processing and analyzing the data model of the result through post-processing.

또한, 본 출원인에 의해 출원되어 등록된 기술로서, 등록특허공보 제10-1594148호에는 EFDC 수치모델 입/출력자료 가시화 및 분석시스템이 개시되었다. 상기 기술은 산재되어 있는 공개자료를 수집하여 EFDC모델의 입력자료로 사용하기 위해 파일변환을 수행하는 전처리 과정과, 상기 EFDC모델의 실행을 통해 표시되는 후처리 과정으로 구성되되, 전처리 과정 및 후처리 과정의 입/출력 자료를 GUI 기반에서 가시화하여 표시하며, 상기 가시화되어 표시된 자료를 선택, 편집 및 분석을 용이하게 할 수 있는 및 EFDC 수치모델 입/출력자료 가시화 및 분석 시스템에 관한 것이다.In addition, as a technology filed and registered by the applicant, Korean Patent Publication No. 10-1594148 discloses an EFDC numerical model input / output data visualization and analysis system. The technology consists of a pre-processing process for performing file conversion to collect scattered public data and use it as input data of the EFDC model, and a post-processing process displayed through the execution of the EFDC model. The present invention relates to an EFDC numerical model input / output data visualization and analysis system that visualizes and displays the input / output data of a process based on a GUI, and facilitates selection, editing, and analysis of the displayed and displayed data.

한편, EFDC 수질모델을 이용하여 수질을 모의하기 위해 상당히 많은 자료가 입력되어야 하고, 해당 수질항목에 기여하는 매개변수가 설정되어야 한다.On the other hand, in order to simulate the water quality using the EFDC water quality model, a great deal of data has to be inputted and parameters contributing to the water quality items must be set.

예를 들어, 수질을 모의하기 위한 수질항목에는 총유기탄소 농도(TOC), 총질소 농도(TN), 총인 농도(TP), 조류농도(Chl-a), 수온, BOD, COD, DO 및 pH 등이 있고, 각각의 상기 수질항목에 대응하여 입력되어야 하는 매개변수는 대략 수십 개가 존재한다. 즉, 수질항목에 대한 시뮬레이션의 결과값(모의 수질자료)은 매개변수의 조합 및 매개변수의 값에 따라 가변되게 된다.For example, water quality items to simulate water quality include total organic carbon (TOC), total nitrogen (TN), total phosphorus (TP), algae (Chl-a), water temperature, BOD, COD, DO, and pH. Etc., and there are approximately dozens of parameters to be input corresponding to each of the water quality items. In other words, the simulation results (simulated water quality data) for the water quality items will vary depending on the combination of parameters and the values of the parameters.

간략하게, 조류에 대한 수질변수의 결과값에 밀접하게 기여하는 매개변수에는 최대성장속도(PMx), 반포화상수(KHNx, KHPx, KHS), 탄소와 Chl-a 비(CChlx), 최적온도(TMc, TMd, TMg) 등이 있고, 상기 매개변수의 범위(매개변수의 값)에 의해서 수질변수의 결과값이 다르게 도출된다.Briefly, parameters that contribute closely to the outcome of water quality variables for algae include maximum growth rate (PMx), half saturation constant (KHNx, KHPx, KHS), carbon and Chl-a ratio (CChlx), and optimum temperature ( TMc, TMd, TMg) and the like, and the resultant value of the water quality variable is derived differently according to the range (parameter value) of the parameter.

이때, 매개변수에 대한 선정과 매개변수 값은 사용자의 경험칙과 결과에 대한 실측 자료를 기반으로 매개변수를 추정하는 시행착오방식에 의해 이루어진다.At this time, the selection of the parameter and the parameter value are made by trial and error method of estimating the parameter based on the user's rule of thumb and the actual data on the result.

그런데 1차원 수질모델의 경우 시뮬레이션을 수행하는 시간이 수분 ~ 수십분 소요되는 것인 반면, 3차원 EFDC 수질모델의 경우 시뮬레이션 수행하는 시간이 적게는 수시간에서 길게는 수일이 소요되어, 시행착오방식을 이용한 매개변수 값을 가변시켜 수렴하는 방식은 실효성이 없다. 또한, 상기 시행착오방식은 전문가의 경험칙에 의존하는 실정이나, 이러한 방식은 전문가의 주관적 해석이 가미됨에 따라 시뮬레이션 결과에 신뢰성이 저하되는 문제점이 있다.However, in the case of the 1D water quality model, the simulation time is several minutes to several tens of minutes, while in the case of the 3D EFDC water quality model, the simulation time is few hours to several days. The method of converging the used parameter values is not effective. In addition, the trial and error method is a situation that depends on the rule of experience of the expert, but this method has a problem that the reliability of the simulation result is degraded as the subjective interpretation of the expert is added.

이에 따라, EFDC 수질모델에서 수질항목 대한 매개변수의 조합을 자동보정하여 정량화된 값을 도출하기 위한 기술 개발이 요구된다.Accordingly, there is a need for technology development to derive a quantified value by automatically correcting a combination of parameters for water quality items in an EFDC water quality model.

KR 10-1492323 B1 (2015. 02. 04.)KR 10-1492323 B1 (2015. 02. 04.) KR 10-1594148 B1 (2016. 02. 04.)KR 10-1594148 B1 (2016. 02. 04.)

본 발명은 상기 종래기술이 갖는 요구에 부응하기 위하여 창출된 것으로서, 본 발명에서 해소하고자 하는 과제는, 수질항목에 대한 매개변수를 선정하고, 선정된 매개변수의 조합에 대한 유효성을 판단하여 수질항목에 대응한 매개변수의 조합을 추정할 수 있는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법을 제공하는 데 있다.The present invention was created to meet the needs of the prior art, the problem to be solved in the present invention, by selecting the parameters for the water quality items, judging the effectiveness of the combination of the selected parameters water quality items The present invention provides an automatic correction method using statistical techniques of the EFDC water quality model, which can estimate the combination of parameters corresponding to.

상기의 과제를 해결하기 위하여 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법은 수질항목에 대응하는 매개변수를 선택하는 매개변수 선택단계; 상기 매개변수 선택단계에서 선택된 매개변수를 무작위로 조합하여 복수 개의 매개변수 조합을 생성하는 매개변수 조합 생성단계; 상기 매개변수 조합 생성단계에서 생성된 각각의 매개변수 조합에 대해 3차원 EFDC(Environmental Fluid Dynamic Code) 수질모델로 실행하여 모의 수질자료를 추출하는 시뮬레이션 단계; 상기 시뮬레이션 단계에서 추출된 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 모의 수질자료 선별단계; 상기 모의 수질자료 선별단계에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 순위산출단계; 및 상기 매개변수 조합의 순위산출단계에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합으로 입력 실행하여 매개변수 조합을 검증하는 매개변수 조합 검증단계를 포함하는 것을 특징으로 한다.In order to solve the above problems, the automatic correction method using the statistical technique of the EFDC water quality model according to the present invention includes a parameter selection step of selecting a parameter corresponding to the water quality items; A parameter combination generation step of generating a plurality of parameter combinations by randomly combining the parameters selected in the parameter selection step; A simulation step of extracting simulated water quality data by executing a 3D EFDC (Environmental Fluid Dynamic Code) water quality model for each parameter combination generated in the parameter combination generation step; A simulated water quality selection step of selecting simulated water quality data within an error range for the measured water quality data by comparing the simulated water quality data extracted in the simulation step with actual measured water quality data measured by the measurement; A ranking calculation step of calculating a ranking of the parameter combinations using statistical techniques for the parameter combinations selected in the simulation water quality data selection step; And a parameter combination verification step of verifying the parameter combination by inputting and executing the parameter combination into the EFDC water quality model according to the order calculated in the ranking calculation step of the parameter combination.

여기서, 상기 매개변수 조합의 순위산출단계는 상기 모의 수질자료 선별단계에서 선별된 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 관계를 함수회귀로 모형화하는 함수회귀 모형화 단계; 상기 함수회귀 모형화 단계에서 모형화된 함수회귀 모형에 근거하여 EFDC 수질모델의 매개변수 조합으로 입력하여 예측 수질자료를 추출하는 예측 수질자료 추출단계; 및 상기 예측 수질자료 추출단계에서 추출된 예측 수질자료와 상기 실측 수질자료를 비교하여 오차값이 최소인 순서로 순위를 결정하는 순위결정단계를 포함하는 것을 특징으로 한다.The ranking calculation step of the parameter combination may include a function regression modeling modeling a relationship between a parameter combination corresponding to the simulated water quality data selected in the simulation water quality selection step and a parameter combination corresponding to the selected simulation water quality data by function regression; A prediction water quality data extraction step of extracting prediction water quality data by inputting a combination of parameters of the EFDC water quality model based on the function regression model modeled in the function regression modeling step; And a ranking step of comparing the predicted water quality data extracted in the predicted water quality data extraction step with the measured water quality data to determine a ranking in the order of minimum error value.

또한, 수질항목은 총유기탄소 농도(TOC), 총질소 농도(TN), 총인 농도(TP) 및 조류농도(Chl-a) 중에서 선택된 하나 이상인 것을 특징으로 한다.In addition, the water quality item is characterized in that at least one selected from total organic carbon concentration (TOC), total nitrogen concentration (TN), total phosphorus concentration (TP) and algal concentration (Chl-a).

본 발명에 의하면, 선택된 수질항목에 대한 매개변수의 조합을 추정할 수 있으므로, 객관적으로 분석된 자료에 근거한 매개변수의 조합을 생성할 수 있고, 이에 따른 시뮬레이션의 결과에 신뢰성을 향상시킬 수 있는 장점이 있다.According to the present invention, since the combination of parameters for the selected water quality items can be estimated, the combination of parameters based on the objectively analyzed data can be generated, thereby improving the reliability of the simulation result. There is this.

또한, 비전문적인 사용자에 의해서도 동일한 결과를 도출할 수 있고, 3차원 EFDC 수질모델에 대한 적합한 매개변수의 조합을 도출하는 데 소요되는 시간을 단축할 수 있는 장점이 있다.In addition, the same result can be obtained by non-professional users, and the time required for deriving a combination of suitable parameters for the 3D EFDC water quality model can be shortened.

도 1은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 EFDC 수질모델 시스템의 개략적인 구성도.
도 2는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 매개변수 보정부의 구성도.
도 3은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 대한 흐름도.
도 4는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 적용된 순위산출단계에 대한 흐름도.
도 5는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 무작위로 생성된 매개변수 조합을 나타낸 도면.
도 6은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 수질항목별로 추정된 매개변수의 기여도를 나타낸 도면.1 is a schematic configuration diagram of an EFDC water quality model system to which an automatic correction method using the statistical technique of the EFDC water quality model according to the present invention is applied.
2 is a block diagram of a parameter correction unit to which the automatic correction method using the statistical technique of the EFDC water quality model according to the present invention.
Figure 3 is a flow chart for the automatic correction method using the statistical technique of the EFDC water quality model according to the present invention.
4 is a flowchart illustrating a ranking calculation step applied to an automatic correction method using a statistical technique of an EFDC water quality model according to the present invention.
5 is a view showing a combination of randomly generated parameters in the automatic correction method using the statistical method of the EFDC water quality model according to the present invention.
6 is a view showing the contribution of the parameters estimated for each water quality in the automatic correction method using the statistical method of the EFDC water quality model according to the present invention.

이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 더욱 상세하게 설명한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.

본 발명은 EFDC(Environmental Fluid Dynamic Code) 수질모델에서 사용되는 수질항목에 대응하는 매개변수를 선정하고, 선정된 매개변수의 조합에 대한 유효성을 판단하여 수질항목에 적합한 매개변수 조합을 검출할 수 있는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 관한 것이다.The present invention selects a parameter corresponding to a water quality item used in an EFDC (Environmental Fluid Dynamic Code) water quality model, and determines the validity of the selected combination of parameters to detect a parameter combination suitable for the water quality item. An automatic correction method using statistical techniques of EFDC water quality model.

도 1은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 시스템의 개략적인 구성도이다.1 is a schematic configuration diagram of a system to which an automatic correction method using a statistical technique of an EFDC water quality model according to the present invention is applied.

첨부된 도 1을 참조하면, 수질모델 자동보정 시스템은 매개변수 추정 서버(10)와 복수 개의 모델수행 클라이언트(20)를 포함하여 구성되고, 상기 모델수행 클라이언트(20)에는 EFDC 수질모델을 모의하기 위한 EFDC 수질 모델(30)이 구축(설치)되고, 상기 매개변수 추정 서버(10)에는 매개변수 보정부(40)가 구축(설치)된다.Referring to FIG. 1, the automatic water quality model correction system includes a parameter estimation server 10 and a plurality of model execution clients 20. The model execution client 20 simulates an EFDC water quality model. An EFDC water quality model 30 is constructed (installed), and the parameter estimating server 10 is constructed (installed).

매개변수 추정 서버(10)는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정을 수행하는 것으로서, 모델수행 클라이언트(20)로 작업을 요청하고 요청된 작업의 결과를 수신하여 EFDC 수질모델에서의 매개변수 조합을 생성하고, 모델수행 클라이언트(20)로부터 수신된 매개변수 조합에 따른 모의 수질자료에 근거하여 적합한 매개변수의 조합을 추정하며, 추정된 매개변수 조합을 제공한다.The parameter estimation server 10 performs automatic calibration using the statistical technique of the EFDC water quality model according to the present invention. The parameter estimation server 10 requests a work to the model execution client 20 and receives a result of the requested work in the EFDC water quality model. Generates a combination of parameters, estimates the appropriate combination of parameters based on the simulated water quality data according to the parameter combination received from the model performing client 20, and provides the estimated parameter combination.

이때, 매개변수 추정 서버(10)에서 모델수행 클라이언트(20)로 요청하는 작업은 생성된 각각의 매개변수 조합에 대해 3차원 EFDC 수질모델을 실행하고 실행에 대한 결과물인 모의 수질자료이다.At this time, the request of the model estimation client 20 from the parameter estimation server 10 is a simulated water quality data that is a result of executing a 3D EFDC water quality model for each generated parameter combination.

모델수행 클라이언트(20)는 상기 매개변수 추정 서버(10)의 요청에 따라 수신된 매개변수 조합에 근거하여 3차원 EFDC 수질모델을 실행하고, 실행의 결과물인 모의 수질자료를 상기 매개변수 추정 서버(10)로 제공한다.The model execution client 20 executes a three-dimensional EFDC water quality model based on the parameter combination received at the request of the parameter estimation server 10, and simulates the water quality data that is the result of the execution of the parameter estimation server ( 10) to provide.

이러한 구성에서, 매개변수 추정 서버(10)는 그 자체에 데이터베이스를 구성할 수 있으나, 자료의 원활한 송수신과 매개변수 추정 서버(10)의 부하를 감소시키기 위해서, 매개변수 추정 서버(10)와 연계되는 별도의 데이터서버(11)를 구성할 수 있다.In this configuration, the parameter estimation server 10 may configure a database on its own, but in conjunction with the parameter estimation server 10 to smoothly transmit and receive data and reduce the load on the parameter estimation server 10. The separate data server 11 can be configured.

상기 매개변수 추정 서버(10)와 연계되는 별도의 데이터서버(11)가 구성되는 경우, 매개변수 추정 서버(10)에서 생성된 매개변수 조합이 상기 데이터서버(11)에 저장 관리되고, 모델수행 클라이언트(20)는 상기 데이터서버(11)로부터 생성된 매개변수 조합 중에서 선택된 하나 또는 둘 이상을 로드하여 3차원 EFDC 수질모델을 실행하고, 실행의 결과물인 모의 수질자료를 상기 데이터서버(11)에 저장한다. 아울러, 상기 매개변수 추정 서버(10)는 상기 데이터서버(11)에 저장된 모의 수질자료를 로드하여 적합한 매개변수의 조합을 추정하며, 추정된 매개변수 조합을 제공하도록 구성된다.When a separate data server 11 is connected to the parameter estimating server 10, the parameter combinations generated by the parameter estimating server 10 are stored and managed in the data server 11, and the model is performed. The client 20 executes a three-dimensional EFDC water quality model by loading one or more selected from the parameter combinations generated from the data server 11, and transmits the simulated water quality data that is the result of the execution to the data server 11. Save it. In addition, the parameter estimation server 10 is configured to load the simulated water quality data stored in the data server 11 to estimate a suitable combination of parameters, and to provide the estimated parameter combination.

모델수행 클라이언트(20)들은 EFDC 수질모델에 필요한 자료를 수신받아 수질모델을 모의하고, 그 결과를 출력하거나 저장하도록 제어하는 기능을 수행하는 것으로서, 특정 대상지역에 대한 자료를 입력받아 미리 정해진 시간 간격으로 수질에 대한 수치의 정량적 변화치를 계산하며, 계산된 변화치를 결과물로 저장한다.The model execution client 20 receives the data necessary for the EFDC water quality model, simulates the water quality model, and performs a function of controlling the output or storage of the result, and receives data for a specific target area at a predetermined time interval. Calculate the quantitative change in numerical values for water quality and store the calculated change as a result.

매개변수 보정부(40)는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법의 과정을 수행한다.The parameter correction unit 40 performs a process of an automatic correction method using the statistical technique of the EFDC water quality model according to the present invention.

도 2는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법이 적용된 매개변수 보정부의 구성을 나타낸 도면이다.2 is a diagram showing the configuration of a parameter correction unit to which the automatic correction method using the statistical technique of the EFDC water quality model according to the present invention.

첨부된 도 2를 참조하면, 매개변수 보정부(40)는 매개변수 저장모듈(41), 매개변수 선택모듈(42), 매개변수 조합모듈(43), 모의 수질자료 선별모듈(44), 순위 산출모듈(45), 실측 수질자료 저장모듈(46) 및 검증모듈(47)을 포함하여 구성될 수 있다.Referring to FIG. 2, the parameter correction unit 40 includes a parameter storage module 41, a parameter selection module 42, a parameter combination module 43, a simulated water quality data sorting module 44, and a ranking. It may be configured to include a calculation module 45, the measured water quality data storage module 46 and the verification module 47.

매개변수 저장모듈(41)은 매개변수 추정 서버(10)에서 생성한 수질항목에 대한 매개변수의 종류가 저장 관리된다.The parameter storage module 41 stores and manages the types of parameters for the water quality items generated by the parameter estimation server 10.

상기 매개변수는 수질항목의 모의 수질자료를 가변시킬 수 있는 변수로서, 수질항목에 따라 다양한 매개변수가 기여하게 된다.The parameter is a variable that can vary the simulated water quality data of the water quality items, and various parameters contribute to the water quality items.

수질 조사대상의 수질항목은 수소이온농도(pH), 총질소(T-N), 총인(T-P), 총유기탄소(TOC), 생물화학적 산소요구량(BOD), 화학적 산소요구량(COD) 및 부유물질(SS) 등으로 분류될 수 있고, 각 수질항목에 대하여 관여하는 매개변수는 더욱 다양하다.Water quality items to be investigated include hydrogen ion concentration (pH), total nitrogen (TN), total phosphorus (TP), total organic carbon (TOC), biochemical oxygen demand (BOD), chemical oxygen demand (COD) and suspended solids ( SS) and the like, and the parameters involved for each water quality item are more diverse.

예를 들어, 총인(T-P)에 관여하는 주 매개변수에는 입자상 유기탄소의 침강속도(WSRP, WSLP), 유기탄소의 1차 용해 또는 분해 속도상수(KRC, KLC, KDC) 등이 있으며, 일반적으로 하나의 수질항목에 대하여 수십여 개의 매개변수가 관여된다.For example, the main parameters involved in total phosphorus (TP) include the sedimentation rate of particulate organic carbon (WSRP, WSLP), the primary dissolution or decomposition rate constant of organic carbon (KRC, KLC, KDC). Dozens of parameters are involved in one water quality item.

설계조건에 따라서, 상기 매개변수 저장모듈(41)에 저장되는 매개변수는 수질항목과 연계되어 저장 관리되도록 구성될 수 있다.According to design conditions, the parameters stored in the parameter storage module 41 may be configured to be stored and managed in association with the water quality items.

매개변수 선택모듈(42)은 사용자의 조작에 따라 선택된 수질항목에 근거하여 상기 매개변수 저장모듈(41)에서 매개변수를 선택한다.The parameter selection module 42 selects a parameter from the parameter storage module 41 based on the water quality item selected according to the user's operation.

매개변수 조합모듈(43)은 상기 매개변수 선택모듈(42)에서 선택된 매개변수를 무작위로 조합하여 수질항목에 대한 매개변수 조합을 생성한다.The parameter combination module 43 randomly combines the parameters selected by the parameter selection module 42 to generate parameter combinations for water quality items.

일 실시 예로, 생성되는 매개변수 조합은 사용자의 설정에 따라 조정 가능하도록 구성될 수 있다.According to an embodiment, the generated parameter combination may be configured to be adjustable according to a user's setting.

여기서, 상기 매개변수 각각은 수질항목에 기여하는 정도에 따라 매개변수 값이 설정된 범위 내에서 부여될 수 있다.Here, each of the parameters may be given within a range in which the parameter value is set according to the degree of contribution to the water quality item.

예를 들어, 특정 매개변수의 값은 수질항목에 기여하는 정도에 따라 1.9, 2.0, 2.1 등으로 정해질 수 있는데, 하나의 매개변수가 3개의 매개변수 값으로 분류되는 경우 생성되는 매개변수 조합 Pn=(N×3)2개이다.For example, the value of a specific parameter can be set to 1.9, 2.0, 2.1, etc., depending on how much it contributes to the water quality item. A parameter combination Pn generated when one parameter is classified into three parameter values. = (N × 3) 2 pieces.

여기서, Pn는 매개변수의 조합 개수이고, N은 매개변수의 개수이다. 즉, 매개변수가 3개만 선택되어도 81개의 매개변수 조합이 생성될 수 있기 때문에 생성되는 매개변수의 조합은 사용자의 설정에 따라 100, 200, 300 등으로 조절되게 구성될 수 있다.Where Pn is the number of combinations of parameters and N is the number of parameters. That is, since 81 parameter combinations can be generated even if only three parameters are selected, the combination of the generated parameters can be configured to be adjusted to 100, 200, 300, etc. according to the user's setting.

모의 수질자료 선별모듈(44)은 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 기능을 수행한다.The simulated water quality data selection module 44 compares the simulated water quality data with the actual measured water quality data detected by actual measurement, and performs a function of selecting the simulated water quality data within an error range for the measured water quality data.

이때, 모의 수질자료는 모델수행 클라이언트(20)에서 추출된 데이터이고, 실측 수질자료는 실측 수질자료 저장모듈(46)에 저장된 데이터이다.At this time, the simulated water quality data is the data extracted from the model performance client 20, the measured water quality data is the data stored in the measured water quality data storage module 46.

순위 산출모듈(45)은 상기 모의 수질자료 선별모듈(44)에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 기능을 수행한다.The ranking calculation module 45 performs a function of calculating a ranking of the parameter combinations using a statistical technique for the parameter combinations selected by the simulated water quality data selection module 44.

검증모듈(47)은 상기 순위 산출모듈(45)에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합으로 입력 실행하여 매개변수 조합을 검증하는 기능을 수행한다.The verification module 47 performs a function of verifying the parameter combination by inputting and executing the parameter combination into the EFDC water quality model according to the order calculated by the ranking calculation module 45.

여기서도, 상기 순위 산출모듈(45)에서 산출된 매개변수의 조합은 수개에서 수십여 개로 이루어질 수 있다. 이에, 매개변수 추정 서버(10)에서 모델수행 클라이언트(20)로 매개변수의 조합을 전송하여, 상기 모델수행 클라이언트(20)에서 모의 수질자료를 추출하도록 구성될 수 있다. Here, the combination of the parameters calculated by the ranking calculation module 45 may be made from several to several dozen. Thus, the parameter estimation server 10 may be configured to transmit a combination of parameters from the model performance client 20 to extract the simulated water quality data from the model performance client 20.

즉, 검증모듈(47)은 선별되어 산출된 매개변수 조합을 EFDC 수질모델에 입력하여 산출된 모의 수질자료와 실측 수질자료를 비교하여 선별된 매개변수 조합을 검증하고, 검증된 매개변수 조합을 상기 EFDC 수질모델의 매개변수 조합으로 보정하는 기능을 수행한다.That is, the verification module 47 compares the simulated water quality data and the measured water quality data calculated by inputting the selected and calculated parameter combinations to the EFDC water quality model, and verifies the selected parameter combinations, and confirms the verified parameter combinations. It performs the function of calibrating by combination of parameters of EFDC water quality model.

이 구성에서도, 매개변수 추정 서버(10)와 연계되는 데이터서버(11)가 구성되는 경우, 매개변수 추정 서버(10)에서 조합된 매개변수 조합은 데이터서버(11)에 저장되고, 상기 모델수행 클라이언트(20)는 상기 데이터서버(11)에서 매개변수 조합을 로드하여 모의 수질자료를 추출하도록 구성될 수 있다. Also in this configuration, when the data server 11 is connected with the parameter estimation server 10, the parameter combinations combined in the parameter estimation server 10 are stored in the data server 11, and the model execution is performed. Client 20 may be configured to load the combination of parameters in the data server 11 to extract the simulated water quality data.

다음으로, 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 대한 과정을 설명한다.Next, the process for the automatic correction method using the statistical method of the EFDC water quality model according to the present invention.

도 3은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 대한 흐름도를 나타낸 것이다.Figure 3 shows a flow chart for the automatic correction method using the statistical method of the EFDC water quality model according to the present invention.

첨부된 도 3을 참조하면, 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법은 매개변수 선택단계(S10), 매개변수 조합 생성단계(S20), 시뮬레이션 단계(S30), 모의 수질자료 선별단계(S40), 순위산출단계(S50), 매개변수 조합 검증단계(S60)를 포함하여 이루어진다.Referring to FIG. 3, the automatic correction method using the statistical technique of the EFDC water quality model according to the present invention includes a parameter selection step (S10), a parameter combination generation step (S20), a simulation step (S30), and simulated water quality data. It comprises a screening step (S40), rank calculation step (S50), parameter combination verification step (S60).

1. 매개변수 선택단계(S10)1. Parameter selection step (S10)

매개변수 선택단계(S10)는 수질항목에 대응하는 매개변수를 선택하는 단계이다. 즉, 매개변수 선택단계(S10)는 사용자의 조작에 따라 선택된 수질항목에 근거하여 매개변수 저장모듈(41)에서 매개변수들을 선택하는 단계이다.The parameter selecting step S10 is a step of selecting a parameter corresponding to the water quality item. That is, the parameter selecting step S10 is a step of selecting parameters in the parameter storage module 41 based on the water quality item selected according to the user's operation.

2. 매개변수 조합 생성단계(S20)2. Generation of parameter combinations (S20)

매개변수 조합 생성단계(S20)는 상기 매개변수 선택단계(S10)에서 선택된 매개변수를 무작위로 조합하여 복수 개의 매개변수 조합을 생성하는 단계이다.The parameter combination generation step S20 is a step of generating a plurality of parameter combinations by randomly combining the parameters selected in the parameter selection step S10.

이때, 생성되는 매개변수 조합은 설정된 범위에서 제한될 수 있다.In this case, the generated parameter combination may be limited in a set range.

3. 시뮬레이션 단계(S30)3. Simulation step (S30)

시뮬레이션 단계(S30)는 상기 매개변수 조합 생성단계에서 생성된 각각의 매개변수 조합에 대해 3차원 EFDC(Environmental Fluid Dynamic Code) 수질모델을 실행하여 모의 수질자료를 추출하는 단계이다.The simulation step (S30) is a step of extracting simulated water quality data by executing a three-dimensional Environmental Fluid Dynamic Code (EFDC) water quality model for each parameter combination generated in the parameter combination generation step.

여기서, 시뮬레이션의 실행은 모델수행 클라이언트(20)에서 이루어지는 것으로서, 모델수행 클라이언트(20)는 매개변수 추정 서버(10)로부터 생성된 매개변수 조합 중에서 선택된 하나 또는 다수개의 매개변수 조합을 수신하고, 수신된 매개변수 조합을 구축된 EFDC 수질모델에 입력하여 모의 수질자료를 추출하며, 추출된 모의 수질자료를 매개변수 추정 서버(10)로 전송하게 된다.Here, the execution of the simulation is performed in the model execution client 20, the model execution client 20 receives one or more parameter combinations selected from the parameter combinations generated from the parameter estimation server 10, and receives The simulated water quality data is inputted to the constructed EFDC water quality model, and the extracted simulated water quality data is transmitted to the parameter estimation server 10.

4. 모의 수질자료 선별단계(S40)4. Selection of simulated water quality data (S40)

모의 수질자료 선별단계(S40)는 상기 시뮬레이션 단계(S30)에서 추출된 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 단계이다.Simulation water quality selection step (S40) is to compare the simulated water quality data extracted in the simulation step (S30) and the actual measured water quality data detected, and to select the simulated water quality data in the error range for the measured water quality data Step.

이때, 설정된 오차범위의 모의 수질자료는 취하고, 나머지는 버리는 방식으로 이루어질 수 있다. 즉, 평균절대오차에 설정된 오차범위 값 이상인 경우에는 이상치로 판단하여 삭제되게 된다.At this time, the simulated water quality data of the set error range can be taken and discarded the rest. In other words, when the error range is equal to or greater than the error range set in the average absolute error, it is determined to be an outlier and deleted.

여기서, 설정된 오차범위 값은 20 ~ 30%로 설정될 수 있다.Here, the set error range value may be set to 20 to 30%.

상기의 과정에서 매개변수 조합 생성단계(S20), 시뮬레이션 단계(S30) 및 모의 수질자료 선별단계(S40)는 모의 수질자료가 실측 수질자료에 일정 범위에 수렴할 때까지 반복하여 수행되도록 구성될 수 있다.In the above process, the parameter combination generation step (S20), the simulation step (S30), and the simulated water quality data selection step (S40) may be configured to be repeatedly performed until the simulated water quality data converges to a certain range to the measured water quality data. have.

예를 들면, 모의 수질자료 선별단계(S40)의 선별 결과 무작위로 조합된 매개변수 조합으로부터 선별된 모의 수질자료의 통계값이 부적합한 경우인 것으로 판단되면, 매개변수 조합 생성단계(S20), 시뮬레이션 단계(S30) 및 모의 수질자료 선별단계(S40)를 순차적으로 반복 수행하여, 선별된 모의 수질자료에 대한 매개변수 조합이 일정 개수 이상 선별될 때까지 수행하도록 구성될 수 있다.For example, if it is determined that the statistical value of the simulated water quality data selected from the randomly combined parameter combinations as a result of the selection of the simulated water quality data selection step (S40), the parameter combination generation step (S20), the simulation step (S30) and simulated water quality data selection step (S40) may be repeatedly performed sequentially, until the combination of parameters for the selected simulated water quality data is selected to a predetermined number or more.

5. 순위산출단계(S50)5. Rank calculation step (S50)

순위산출단계(S50)는 상기 모의 수질자료 선별단계(S40)에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 단계이다.Ranking calculation step (S50) is a step of calculating the ranking for the parameter combinations using a statistical technique for the parameter combinations selected in the simulated water quality data selection step (S40).

도 4는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에 적용된 순위산출단계에 대한 흐름도를 나타낸 것이다.4 is a flowchart illustrating a ranking calculation step applied to an automatic correction method using a statistical method of an EFDC water quality model according to the present invention.

첨부된 도 4를 참조하면, 순위산출단계는 함수회귀 모형화 단계(S51), 예측 수질자료 추출단계(S52) 및 순위결정단계(S53)를 포함하여 이루어진다.Referring to FIG. 4, the ranking calculation step includes a function regression modeling step S51, a prediction water quality data extraction step S52, and a ranking step S53.

5-1. 함수회귀 모형화 단계(S51)5-1. Regression Modeling Step (S51)

함수회귀 모형화 단계(S51)는 상기 모의 수질자료 선별단계(S40)에서 선별된 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 관계를 함수회귀로 모형화하는 단계이다.Function regression modeling step (S51) is a step of modeling the relationship between the combination of parameters corresponding to the simulated water quality data selected in the simulated water quality data selection step (S40) and the selected water quality data by the function regression.

본 발명에서는 EFDC 수질모델의 매개변수 조합을 최적화하기 위한 방식으로 함수회귀모형(functional regression model)을 적용하였다. 즉, 함수회귀 모형화 단계(S51)는 함수회귀모형을 이용하여 무작위로 주어진 매개변수 조합과 EFDC 수질모델에 실행에 따라 추출된 모의 수질자료를 이용하여 매개변수와 모의 수질 사이의 관계를 모형화한다.In the present invention, a functional regression model is applied as a method for optimizing the parameter combination of the EFDC water quality model. That is, the function regression modeling step (S51) uses the function regression model to model the relationship between the parameters and the simulated water quality using randomly given parameter combinations and simulated water quality data extracted according to the execution of the EFDC water quality model.

여기서, 함수회귀모형은 다음의 수학식 1로 표현된다.Here, the function regression model is represented by the following equation (1).

Figure pat00001
Figure pat00001

여기서, yi(t)는 i번째 매개변수 조합으로부터의 모의 수질자료에서 t시점의 값, xip는 p개의 매개변수에 e대한 i번째 매개변수 조합, β0(t)는 반응함수의 수준을 나타낸 절편함수, βj(t)는 j번째 매개변수의 효과를 나타내는 계수 함수, n은 무작위로 생성된 매개변수 조합의 수, εi(t)는 t시점의 i번째 랜덤오차이다.Where y i (t) is the value at time t in the simulated water quality data from the i-th parameter combination, x ip is the i-th parameter combination for e of the p parameters, and β 0 (t) is the level of the response function. Where the intercept function β j (t) is the coefficient function representing the effect of the j th parameter, n is the number of randomly generated parameter combinations, and ε i (t) is the i th random error at time t.

상기에서 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 함수회귀모형을 추정하기 위해 B-spline을 이용한 Basis expansion 방식을 적용하여 추정하도록 구성될 수 있다.In order to estimate a function regression model between the simulated water quality data and the parameter combination corresponding to the selected simulated water quality data, it may be configured to estimate by applying a Basis expansion method using a B-spline.

5-2. 예측 수질자료 추출단계(S52)5-2. Forecast water quality data extraction step (S52)

예측 수질자료 추출단계(S52)는 상기 함수회귀 모형화 단계에서 모형화된 함수회귀 모형에 근거하여 EFDC 수질모델의 매개변수 조합으로 입력하여 예측 수질자료를 추출하는 단계이다.Predictive water quality extraction step (S52) is a step of extracting the predicted water quality data by inputting the parameter combination of the EFDC water quality model based on the function regression model modeled in the function regression modeling step.

이 단계에서는 매개변수 추정 서버(10)에서 모델수행 클라이언트(20)로 선별된 매개변수의 조합을 전송하고, 상기 모델수행 클라이언트(20)에서는 전송된 매개변수 조합을 이용하여 예측 수질자료가 추출되며, 추출된 예측 수질자료는 매개변수 추정 서버(10)로 전송된다.In this step, the parameter estimation server 10 transmits the selected combination of parameters to the model performing client 20, and the model performing client 20 extracts the predicted water quality data using the transmitted parameter combination. The extracted predicted water quality data is transmitted to the parameter estimation server 10.

5-3. 순위결정단계(S53)5-3. Rank determination step (S53)

순위결정단계(S53)는 상기 예측 수질자료 추출단계에서 추출된 예측 수질자료와 상기 실측 수질자료를 비교하여 오차값이 최소인 순서로 순위를 결정하는 단계이다.In the ranking step S53, the prediction water quality data extracted in the prediction water quality data extraction step and the measured water quality data are compared to determine the rank in the order of minimum error value.

6. 매개변수 조합 검증단계(S60)6. Parameter combination verification step (S60)

매개변수 조합 검증단계(S60)는 상기 매개변수 조합의 순위산출단계에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합을 갱신하여 매개변수 조합을 검증하는 단계이다.The parameter combination verification step (S60) is a step of verifying the parameter combination by updating the parameter combination in the EFDC water quality model in the order calculated in the ranking calculation step of the parameter combination.

도 5는 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 무작위로 생성된 매개변수 조합을 나타낸 도면이다.5 is a view showing a combination of randomly generated parameters in the automatic correction method using the statistical method of the EFDC water quality model according to the present invention.

첨부된 도 5를 참조하면, 각 매개변수 값(범위)는 연구되어 저장된 자료 및 경험적 자료에 근거하여 최대 허용범위 내에서 선택되도록 구성될 수 있고, 설정된 허용범위의 최대값과 최소값에 따라 10개의 등간격으로 10개의 매개변수 값을 선택할 수 있도록 구성될 수 있다.Referring to FIG. 5, each parameter value (range) may be configured to be selected within a maximum allowable range based on the researched and stored data and empirical data, and may be configured according to the maximum and minimum values of the set allowable range. It can be configured to select ten parameter values at equal intervals.

또한, 매개변수 조합은 Latin Hypercube 샘플링 방식을 이용하여 각 매개변수의 모든 범위를 포함하고, p(매개변수의 수)차원 공간에서 선택된 매개변수가 골고루 포함하여 추출되도록 구성된다.In addition, the parameter combination is configured to include all ranges of each parameter using the Latin Hypercube sampling method, and to extract the selected parameters evenly in the p (number of parameters) dimensional space.

도 6은 본 발명에 따른 EFDC 수질모델의 통계기법을 이용한 자동보정 방법에서 수질항목별로 추정된 매개변수의 기여도를 나타낸 도면이다.6 is a view showing the contribution of the parameters estimated for each water quality item in the automatic correction method using the statistical method of the EFDC water quality model according to the present invention.

함수회귀모형의 입력자료를 생성하기 위해서는 매개변수에 대한 기여도 분석이 요구된다.To generate the input data of the function regression model, the contribution analysis for the parameters is required.

이에, 후보 매개변수들의 랜덤 조합을 추출하여 함수회귀모형을 적용하여 각 매개변수에 대응되는 새로운 매개변수들의 계수 절대값의 합을 비교하여 기여도가 산출된다.Thus, by applying a function regression model by extracting a random combination of candidate parameters, the contribution is calculated by comparing the sum of the absolute values of the coefficients of the new parameters corresponding to each parameter.

본 발명에 의하면, 선택된 수질항목에 대한 매개변수의 조합을 추정할 수 있으므로, 객관적으로 분석된 자료에 근거한 매개변수의 조합을 생성할 수 있고, 이에 따른 시뮬레이션의 결과에 신뢰성을 향상시킬 수 있는 장점이 있다.According to the present invention, since the combination of parameters for the selected water quality items can be estimated, the combination of parameters based on the objectively analyzed data can be generated, thereby improving the reliability of the simulation result. There is this.

또한, 비전문적인 사용자에 의해서도 동일한 결과를 도출할 수 있고, 3차원 EFDC 수질모델에 대한 적합한 매개변수의 조합을 도출하는 데 소요되는 시간을 단축할 수 있는 장점이 있다.In addition, the same result can be obtained by non-professional users, and the time required for deriving a combination of suitable parameters for the 3D EFDC water quality model can be shortened.

이상에서 본 발명의 바람직한 실시 예를 설명하였으나, 본 발명의 권리범위는 이에 한정되지 아니하며 본 발명의 실시 예와 실질적으로 균등한 범위에 있는 것까지 본 발명의 권리범위가 미치는 것으로 이해되어야 하며, 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능하다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims.

10: 매개변수 추정 서버
11: 데이터서버
20: 모델수행 클라이언트
30: EFDC 수질모델
40: 매개변수 보정부10: parameter estimation server
11: data server
20: Model Performance Client
30: EFDC Water Quality Model
40: parameter correction unit

Claims (3)

수질항목에 대응하는 매개변수를 선택하는 매개변수 선택단계;
상기 매개변수 선택단계에서 선택된 매개변수를 무작위로 조합하여 복수 개의 매개변수 조합을 생성하는 매개변수 조합 생성단계;
상기 매개변수 조합 생성단계에서 생성된 각각의 매개변수 조합에 대해 3차원 EFDC(Environmental Fluid Dynamic Code) 수질모델을 실행하여 모의 수질자료를 추출하는 시뮬레이션 단계;
상기 시뮬레이션 단계에서 추출된 모의 수질자료와 실제 계측하여 검출된 실측 수질자료를 비교하여, 상기 실측 수질자료에 대한 오차 범위에 있는 모의 수질자료를 선별하는 모의 수질자료 선별단계;
상기 모의 수질자료 선별단계에서 선별된 매개변수 조합에 대해 통계기법을 이용하여 매개변수 조합에 대한 순위를 산출하는 순위산출단계; 및
상기 매개변수 조합의 순위산출단계에서 산출된 순서에 따라 EFDC 수질모델에 매개변수 조합으로 입력 실행하여 매개변수 조합을 검증하는 매개변수 조합 검증단계;
를 포함하는 것을 특징으로 하는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법.
A parameter selecting step of selecting a parameter corresponding to the water quality item;
A parameter combination generation step of generating a plurality of parameter combinations by randomly combining the parameters selected in the parameter selection step;
A simulation step of extracting simulated water quality data by executing a three-dimensional Environmental Fluid Dynamic Code (EFDC) water quality model for each parameter combination generated in the parameter combination generation step;
A simulated water quality selection step of selecting simulated water quality data within an error range for the measured water quality data by comparing the simulated water quality data extracted in the simulation step with actual measured water quality data measured by the measurement;
A ranking calculation step of calculating a ranking of the parameter combinations using statistical techniques for the parameter combinations selected in the simulation water quality data selection step; And
A parameter combination verification step of verifying a parameter combination by inputting and executing the parameter combination into the EFDC water quality model according to the order calculated in the rank calculation step of the parameter combination;
Automatic correction method using the statistical technique of the water quality model EFDC comprising a.
청구항 1에 있어서,
상기 매개변수 조합의 순위산출단계는,
상기 모의 수질자료 선별단계에서 선별된 모의 수질자료와 선별된 상기 모의 수질자료에 대응하는 매개변수 조합 사이의 관계를 함수회귀로 모형화하는 함수회귀 모형화 단계;
상기 함수회귀 모형화 단계에서 모형화된 함수회귀 모형에 근거하여 EFDC 수질모델의 매개변수 조합으로 입력하여 예측 수질자료를 추출하는 예측 수질자료 추출단계; 및
상기 예측 수질자료 추출단계에서 추출된 예측 수질자료와 상기 실측 수질자료를 비교하여 오차값이 최소인 순서로 순위를 결정하는 순위결정단계;
를 포함하는 것을 특징으로 하는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법.
The method according to claim 1,
Rank calculation step of the combination of parameters,
A function regression modeling step of modeling a relationship between a combination of parameters corresponding to the simulated water quality data selected in the simulated water quality data selection step and the selected water quality data by function regression;
A prediction water quality data extraction step of extracting prediction water quality data by inputting a combination of parameters of the EFDC water quality model based on the function regression model modeled in the function regression modeling step; And
A ranking step of comparing the predicted water quality data extracted in the predicted water quality data extraction step with the measured water quality data to determine a ranking in order of minimum error value;
Automatic correction method using the statistical technique of the water quality model EFDC comprising a.
청구항 1에 있어서,
상기 수질항목은,
총유기탄소 농도(TOC), 총질소 농도(TN), 총인 농도(TP) 및 조류농도(Chl-a) 중에서 선택된 하나 이상인 것을 특징으로 하는 EFDC 수질모델의 통계기법을 이용한 자동보정 방법.The method according to claim 1,
The water quality item includes:
An automatic calibration method using statistical techniques of the EFDC water quality model, characterized in that at least one selected from total organic carbon concentration (TOC), total nitrogen concentration (TN), total phosphorus concentration (TP) and algal concentration (Chl-a).
KR1020180009049A 2018-01-25 2018-01-25 Automatically calibrating method using statistical method of efdc model KR102033507B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180009049A KR102033507B1 (en) 2018-01-25 2018-01-25 Automatically calibrating method using statistical method of efdc model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180009049A KR102033507B1 (en) 2018-01-25 2018-01-25 Automatically calibrating method using statistical method of efdc model

Publications (2)

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

Family

ID=67613977

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180009049A KR102033507B1 (en) 2018-01-25 2018-01-25 Automatically calibrating method using statistical method of efdc model

Country Status (1)

Country Link
KR (1) KR102033507B1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (en) * 2006-02-27 2007-09-13 Toshiba Corp Sewage treatment plant operation support arrangement
KR20120075948A (en) * 2010-12-29 2012-07-09 전남대학교산학협력단 Method of presumption for quality of water using multiple regression
KR20140004915A (en) * 2012-07-03 2014-01-14 재단법인 에이펙 기후센터 Multi-model probabilistic prediction system and method thereof
KR101492323B1 (en) 2013-04-18 2015-02-11 창원대학교 산학협력단 GUI Apparatus for Coupling of Multi-Dimensional Hydraulic Models
KR101594148B1 (en) 2015-02-26 2016-02-15 (주)휴먼플래닛 Visulalization and analysis system of input/output data using efdc model

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007229550A (en) * 2006-02-27 2007-09-13 Toshiba Corp Sewage treatment plant operation support arrangement
KR20120075948A (en) * 2010-12-29 2012-07-09 전남대학교산학협력단 Method of presumption for quality of water using multiple regression
KR20140004915A (en) * 2012-07-03 2014-01-14 재단법인 에이펙 기후센터 Multi-model probabilistic prediction system and method thereof
KR101492323B1 (en) 2013-04-18 2015-02-11 창원대학교 산학협력단 GUI Apparatus for Coupling of Multi-Dimensional Hydraulic Models
KR101594148B1 (en) 2015-02-26 2016-02-15 (주)휴먼플래닛 Visulalization and analysis system of input/output data using efdc model

Also Published As

Publication number Publication date
KR102033507B1 (en) 2019-10-17

Similar Documents

Publication Publication Date Title
Van Oijen et al. Bayesian calibration of process-based forest models: bridging the gap between models and data
Mogheir et al. Characterizing the spatial variability of groundwater quality using the entropy theory: I. Synthetic data
Smith et al. Identifying influences on model uncertainty: an application using a forest carbon budget model
Haupt et al. A Genetic Algorithm Method to Assimilate Sensor Data for a Toxic Contaminant Release.
Fang et al. Uncertain Johnson–Schumacher growth model with imprecise observations and k-fold cross-validation test
Basha et al. Comparative study on performance analysis of time series predictive models
CN117116382B (en) Water quality space-time prediction method and system for water-bearing lake under influence of diversion engineering
Muschalla et al. The HSG procedure for modelling integrated urban wastewater systems
Xie et al. Statistical uncertainty analysis for stochastic simulation with dependent input models
McCulloch et al. Calibrating agent-based models using uncertainty quantification methods
Laqrichi et al. Integrating uncertainty in software effort estimation using Bootstrap based Neural Networks
KR102033507B1 (en) Automatically calibrating method using statistical method of efdc model
Aliabadi et al. Artificial neural networks and advanced fuzzy techniques for predicting noise level in the industrial embroidery workrooms
Brinkgreve Automated model and parameter selection: incorporating expert input into geotechnical analyses
Ngabu et al. CLUSTER FAST DOUBLE BOOTSTRAP APPROACH WITH RANDOM EFFECT SPATIAL MODELING
CN113094636A (en) Interference user harmonic level estimation method based on massive monitoring data
Ruggiero et al. On the determination of the uncertainty in environmental noise measurements
Firmino et al. An expert opinion elicitation method based on binary search and Bayesian intervals
Tokmakian et al. Uncertainty in modeled upper ocean heat content change
Choi et al. Robust estimation of support vector regression via residual bootstrap adoption
Costa et al. Forecasting time series combining Holt-Winters and bootstrap approaches
Bărbulescu et al. Modeling the annual precipitation evolution in the region of Dobrudja
Hekmatnia et al. Solving fuzzy slack-based measure of efficiency model by possibilistic programming approach
Karaman et al. An experimental study on forecasting using TES processes
Saam Validation benchmarks and related metrics

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