본문 바로가기
KERD
논문KCI 등재

데이터 정규화 및 주성분 분석 기반의 인공신경망을 이용한 상수관망 내 무수율의 추정

Estimating Non-revenue Water Ratio Using ANN based on PCA with Data Normalization in Water Distribution Systems

장동우
(사)위기관리이론과실천 (Crisis and Emergency Management: Theory and Praxis)|2018.03|Crisisonomy|제14권 제3호|pp. 103-118|DOI http://dx.doi.org/10.14251/crisisonomy.2018.14.3.103

0

조회

0

다운로드

2

인용

0

참고문헌

키워드

인공신경망principal component analysisartificial neural network주성분 분석데이터 정규화상수관망무수율non-revenue water ratiodata normalizationwater distribution systems

초록

상수관망 내 무수율은 관로의 파손, 운영 손실, 물리적 요소 등에 의해 발생하는 수도공급량에 대한 손실 비율을 나타낸다. 국내에서 시행하는 관망정비사업, 유수율 제고 사업에 있어서 무수율은 시⋅ 도 및 소블록에 대한 비교 지표로써 무수율에 영향을 주는 인자의 발굴 및 무수율 추정기법에 대한 연구는 수도공급시설의 경제성과 연관되어 점차 중요해지고 있다. 본 연구에서는 무수율 추정하기 위한 방법으로 통계분석 기법 중 주성분 분석(PCA), 인공신경망(ANN)을 이용하여 무수율을 추정하였다. 연구를 위하여 상수관망 주요 영향인자에 대한 데이터를 수집하였고, Z-score방법을 통하여 데이터를 정규화 한 후 PCA-ANN 모형에 적용하여 무수율을 추정하였다. 무수율 모의 결과와 실측 무수율을 비교하기 위하여 정확도 평가를 수행하였다. 연구결과 무수율 예측에 있어 PCA-ANN기법이 원데이터를 이용하여 ANN을 단독으로 모의하는 조건보다 정확도가 높은 것으로 나타났다. 또한 ANN 모형 구축시 은닉층 내의 뉴런수에 따라 추정결과가 상이하며 본 연구에서 사용된 6개의 독립 변수에 대하여, 12개의 뉴런을 이용한 조건에서 무수율 예측정확도가 높은 것으로 나타났다.

Abstract

The non-revenue water (NRW) ratio in water distribution systems is an index of the loss of water supply caused by pipe burst, operational loss and physical factors. NRW ratio is a comparative index for city, province and DMA (district metering area) in the domestic water supply maintenance project. An investigation of the factors affecting the NRW as well as its estimation have become increasingly important in an economic sense. In this study, PCA (principal component analysis) and ANN (artificial neural network) are used as statistical methods to estimate the NRW ratio. The normalized data were obtained through the Z-score method, and then the PCA-ANN model was constructed for the NRW ratio estimation. Accuracy assessment was performed to compare the observed NRW ratio with the estimated ratio from the ANN model. The results show that the PCA-ANN model is more accurate than the single ANN and the estimation results differ by the number of neurons in the hidden layer of ANN. As for the six independent variables used in this study, the accuracy of NRW ratio prediction was found highest when 12 neurons were used.

참고문헌 (38)

  1. Alegre, H., "Performance Indicators for Water Supply Services" (2000), IWA. Publishing
  2. Choi, Gye Woon, "Effect of Estimation Method of Demand Water on the Analysis of Water Distribution System", Korea Water Resources Association Conference, pp.1425~1430 (2006)
  3. Gonalves, F. V., "Hybrid Energy System Evaluation in Water Supply System Energy Production: Neural Network Approach", International Journal of Energy and Environment, 1(1), pp.21~30 (2010)
  4. Haykin, S., "Neural Networks: A Comprehensive Foundation" (1994), Macmillan
  5. Heaton, J. T., "Introduction to Neural Networks with Java" (2005), Heaton Research, Inc
  6. Jang, Dong Woo, "Estimation of Non-RevenueWater Ratio Using PCA and ANN in Water Distribution Systems", Ph.D., pp.2017
  7. Jang, Dong Woo, "Estimation of Non-Revenue Water Ratio for Sustainable Management Using Artficial Neural Network and Z-Score in Incheon, Republic of Korea", Sustainability, 9(11), pp.1~13 (2017)
  8. Jang, Dong Woo, "Estimation of Leakage Ratio Using Principal Component Analysis and Artificial Neural Network in Water Distribution Systems", Sustainability, 10(3), pp.1~15 (2018)
  9. Jo, Hyoung Geun, "Study on Influence Factors of Non-revenue Water for Sustainable Management of Water Distribution Networks", Ph.D., pp.2017
  10. 조형근, "인천시 상수관망 주요인자의 통계 분석을 통한 무수율 산정 공식개발", Crisisonomy, 12(11), pp.63~75 (2016), (사)위기관리이론과실천
  11. 전환돈, "상수관 파괴에 의한 피해 경감기법의 개발", 한국방재학회논문집, 8(6), pp.31~36 (2008), 한국방재학회
  12. 김동휘, "인천 송도지역 지층분포 추정을 위한 크리깅과 역거리가중치법의 적용 한국지반공학회논문집 제26권 제1호인천 송도지역 지층분포 추정을 위한 크리깅과 역거리가중치법의 적용", 한국지반공학회논문집, 26(1), pp.5~19 (2010), 한국지반공학회
  13. 김동식, "인공신경망을 이용한 연약지반의 침하 예측", 박사, 지반공학, pp.2007
  14. Kim, Seok Hyeon, "Research for Improvement of Water Distribution System Reliability", KSCE 2007 Conference &Civil Expo, pp.1397~1400 (2007)
  15. 김석우, "상수관망의 최적 개량 의사결정 시스템의 개발-구역별 우선순위 결정", 석사, 토목환경공학, pp.2004
  16. 구두진, "BFS알고리즘을 이용한 상수도 배ㆍ급수 관망관리", 석사, 토목공학, pp.2006
  17. Kreyszig, E., "Advanced Engineering Mathematics" (1979), John Wiley & Sons Inc
  18. Lambert, A. O., "A Review of Performance Indicators for Real Losses from Water Supply Systems", J. Water SRT Aqua, 48(6), pp.227~237 (1999)
  19. 이미란, "주성분 분석과 인공신경망을 이용한 상수관로 노후도 추정 모델 연구", 석사, 환경공학, pp.2010
  20. Moon, H., "Computational and Performance Aspects of PCA-Based Face Recognition Algorithms", Perception-London, 30(3), pp.303~322 (2001)
  21. A Study on Early Forecasting for Algal Blooms Using Artificial Neural Networks (II), "National Institute of Environmental", ~ (2011)
  22. Pal, S. K., "Multilayer Perceptron, Fuzzy Sets, and Classification", IEEE Transactions on Neural Networks, 3(5), pp.683~697 (1992)
  23. Park, Han Yung, "Suggestions for Scientific Management of Pipe Network", KSCE Journal of Civil Engineering, 56(2), pp.77~82 (2008)
  24. Park, In Chan, "Study on the Decision Priority of Rehabilitation for Water Distribution Network Based on Prediction of Pipe Deterioration", Korea Water Resources Association Conference, pp.1391~1394 (2006)
  25. 박수완, "상수관로 개량 우선순위 수립을 위한 퍼지 기법", 한국수자원학회 논문집, 44(11), pp.903~913 (2011), 한국수자원학회
  26. 박영식, "경제성을 고려한 광역상수도 관로의 장기 교체 및 보수 계획에 관한 연구", 석사, 환경공학과, pp.2014
  27. Shilehwa, C. M., "Factors Influencing Water Supply’s Non Revenue Water: A Case of Webuye Water Supply Scheme", Master’s, pp.2013
  28. Shinde, V. R., "Revising the Existing Performance Indicator System for Small Water Supply Utilities in Japan", Urban Water J, 10(6), pp.377~393 (2013)
  29. Surendran, S., "Peaking Demand Factor-based Reliability Analysis of Water Distribution Systems", Advances in Engineering Software, 36, pp.789~796 (2005)
  30. Technical Diagnostics Report for Re-establish Basic Plan of Waterworks Maintenance in Incheon Water Distribution Network, "Waterworks Headquarters Incheon Metropolitan City", ~ (2015)
  31. Waterworks Headquarters Incheon Metropolitan City, "Waterworks Status" (2015), Incheon Metropolitan City
  32. "Eigenvalue" (2017)[URL]
  33. "Non-RevenueWater" (2017)[URL]
  34. "Z-score" (2017)[URL]
  35. Winarni, W., "Infrastructure Leakage Index (ILI) as Water Losses Indicator", Civ. Eng. Dimens, 11, pp.126~134 (2009)
  36. Woo, Hyoung Min, "Development Plans for Distribution Network Improvement in Waterworks System", Water for Future, 41(11), pp.16~23 (2008), Korea Water Resources Association
  37. Wyatt, A. S., "Non-Revenue Water: Financial Model for Optimal Management in Developing Countries" (2010), Amman, Jordan
  38. Xie, Z., "Standardization Efforts: The Relationship between Knowledge Dimensions, Search Processes and Innovation Outcomes", Technovation, 48(49), pp.69~78 (2016)

관련 논문AI추천

주성분 분석과 인공신경망을 이용한 인천시 상수관로의 노후도 평가김대웅, 장동우(사)위기관리이론과실천 · Crisisonomy2021 · 제17권 제1호인공신경망을 이용한 상수관망의 에너지 손실 예측윤인준, 장동우, 최연규(사)위기관리이론과실천 · Crisisonomy2021 · 제17권 제12호인천시 상수관망 주요인자의 통계 분석을 통한 무수율 산정 공식개발장동우, 조형근, 최계운(사)위기관리이론과실천 · Crisisonomy2016 · 제12권 제11호상수관망의 유수율 증진에 미치는 영향 인자 분석 연구김광일, 김성홍, 임형복공학기술연구원 · 공학기술논문지2017 · 제10권 제1호AI기반 상수도시설 개량 의사결정 모델 분석김기태, 민병원, 오용선한국사물인터넷학회 · 사물인터넷융복합논문지2022 · 제8권 제5호뉴로 유전자 결합모형을 이용한 상수도 1일 급수량 예측강일환, 문병석, 박진금, 이경훈한국환경영향평가학회 · 환경영향평가2005 · 제14권 제4호

이 간행물의 다른 논문 (13건)

고층건물 화재 대피 실험에서 노인들의 건강 상태에 대한 자신감과 대피에 대한 자기효능감 분석 연구김종훈, 황은경, 김소영pp. 1-13동북아 원자력 환경위험 커뮤니케이션 - 중국 언론의 원자력발전 보도 내용분석을 중심으로 -한동섭, 최진호pp. 15-30지방정부의 생활환경위기 정책 비교분석 - 미세먼지관리 정책을 중심으로 -권설아pp. 31-46모아애착이 산후우울에 미치는 영향 - 자아존중감을 매개변수로 -박민향pp. 47-59알코올문제가 있는 노인학대행위자 사례에 대한 노인보호전문기관 상담원의 개입 경험권금주pp. 61-73
원문 보기