머신러닝을 활용한 낙동강 유해남조류 발생 예측 (A Study on the Predicting Harmful Cyanobacteria Algal Blooms Using Machine Learning Technology – The Nakdong River Case)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 33권 / 1호 / 29 ~ 36페이지
· 저자명 : 송찬영, 김주연, 김예진, 주해종, 서재현

초록

기후변화와 환경오염으로 인하여 낙동강 녹조 문제는 심화되고 있다. 따라서, 본 연구는 녹조 문제가 심각한 낙동강 지역의 유해남조류 세포수를 예측하는 모델을 개발한다. 주요 변수에는 과거수질자료, 댐 제원 정보와 풍속, 기상관측 데이터, 폐수처리장, 공장 현황 데이터를 결합하여 사용하였다. 특징 선택으로 Wrapper 기반의 Genetic Search를 사용하였으며,예측 모델에는 Random Forest와 k-NN, SVM을 사용하였다. 예측 모델 성능은 RandomForest에서 0.880의 결정계수와 1.606의 RMSE로 가장 좋은 성능을 보였다. 본 연구는 pH,DO, BOD, COD 등의 변수를 제거하고, 새롭게 공장과 폐수처리장 위치 데이터를 써서 모델의 정확도를 높였다는 점에 의의가 있다.

영어초록

Because of climate change and environmental pollution, the problem of algae in theNakdong River is getting worse. Therefore, this study develops a model to predictthe number of harmful blue-green algae cells in the Nakdong River region wherethe problem of green algae is serious. For major variables, historical water qualitydata, dam information, wind speed, weather observation data, wastewater dispodalfacility, and facility status data were combined and used. Wrapper based GeneticSearch was used for feature selection, and Random Forest, k-NN, and SVM wereused to predict models. The predictive model performance showed the bestperformance with a coefficient of determination of 0.880 and an RMSE of 1.606 inthe Random Forest. This study is meaningful in terms of removing variables suchas pH, DO, BOD, and COD and improving accuracy of the model by using facilityand wastewater dispodal facility location data.

참고자료

· 없음