석탄회 혼합 모래필터의 폐색 예측을 위한 신경망모델 (A Neural Network Model to Estimate the Clogging of Ash Mixed Sand Filter)

서지정보

· 발행기관 : 한국방재학회
· 수록지 정보 : 한국방재학회논문집 / 23권 / 3호 / 147 ~ 153페이지
· 저자명 : 이병식

초록

강우유출수 침투시설에 설치한 침투필터는 운영 시 오염물질이 공극을 막는 폐색이 발생할 수 있다. 침투시설의 기능 저감을 방지하기 위해서는 폐색도를 고려하여 필터를 유지관리해야 한다. 본 연구에서는 폐색도의 변화를 침투유량(Q)에 대한 침투율 (IR)의 상관관계인 폐색곡선으로 나타냈다. 폐색도 추정을 위해 임의로 선정한 특성치 조건(석탄회 혼합률, 침투율, 침투율 변화량)에서 기준값(침투유량)을 추정할 수 있는 회귀 신경망(neural network, NN) 모델을 개발하였다. 모든 훈련 데이터세트에 대해서 훈련한 최종모델의 신뢰도와 적용성을 검토한 결과 다음 결론을 얻었다. 1) 최종모델의 성능평가지표인 평균절대오차 (MAE)는 훈련세트와 테스트세트에 대해서 각각 0.00445와 0.00491로 구해져 적절한 수준으로 훈련되었음을 확인했다. 2) 최종모델은 훈련된 침투율 시계열 구간과 임의 석탄회 혼합률 조건에 대한 다중 다변량 폐색곡선을 추정하기 위해 적용할 수 있을 것으로 확인되었다. 3) 최종모델은 훈련되지 않은 미래 시간스텝에 대한 폐색곡선의 예측이 불가하므로 대안으로 합성곱신경망(CNN) 혹은 장단기 기억 순환신경망(LSTM-RNN) 모델의 적용을 제안하였다.

영어초록

Infiltration filters of LID facilities are frequently confronted with clogging of pores by contaminants. To avoid malfunctioning of LID facilities, filters should be maintained according to the degree of clogging. In this study, clogging was characterized by curves representing the correlation between infiltration rate (Q) and infiltration quantity (IR). To estimate the degree of clogging, a regression neural network model was developed to estimate the label (infiltration quantity) corresponding to the selected features (ash mix ratio, infiltration rate, and variation of infiltration rate). According to the results obtained from the evaluation of accuracy and applicability of the final model trained over the whole training dataset, the following conclusions were drawn: 1) the training of the final model was verified to be correct according to mean absolute errors of 0.00445 and 0.00491 for the training and test datasets, respectively; 2) the final model could be applied to estimate multiple, multivariate clogging curves for arbitrary ash mixing ratios and trained range of time series in terms of infiltration rate; 3) given that the final model could not estimate the clogging curve for future time steps for which the model was not trained, a CNN model or LSTM-RNN model are suggested as an alternative.

참고자료

· 없음