주성분 분석과 인공신경망을 이용한 인천시 상수관로의 노후도 평가
Assessment of Pipe Deterioration in Water Distribution Network of Incheon City Using Principal Component Analysis and Artificial Neural Network
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 상수관로의 노후화로 인해 많은 누수 및 수질 사고가 발생하여 경제적 손실과 더불어 사회적인문제로 대두되고 있다. 하지만 상수관로는 지하에 매설되어 많은 내·외부적인 요인에 의해 영향을받기 때문에 정확한 부식 및 노후화 정도의 예측이 어렵다. 따라서 본 연구는 최근 상수도내 노후관로 인한 피해가 발생했었던 인천시 상수관망을 대상으로 관로의 노후도 평가항목 10개를 선정하고, 노후관로와 일반관로를 대상으로 주성분 분석과 인공신경망을 이용하여 노후도를 예측하였다. 연구결과 데이터 변환을 거치지 않은 원데이터를 입력 데이터로 이용하여 인공신경망에 적용하는 것보다 주성분 분석을 통해 산출된 주요 6개 요인을 사용하여 인공신경망에 적용하는 것이 관 노후도점수평가 정확도를 높이는 것으로 나타났다. 또한, 인공신경망 시뮬레이션 최적화를 위해 은닉층내 뉴런 수를 구분하여 시행착오를 수행한 결과 은닉층 내 12개의 뉴런이 존재할 때 결정계수가가장 높게 나타났다.
Abstract
Recently, due to the deterioration of water-supply pipes, several leaks and water-quality accidents have occurred. Thus, this deterioration appears to be a social problem, incurring a huge economic loss. However, because the water-supply pipe is buried underground and affected by various internal and external factors, it is difficult to accurately predict the degree of corrosion and aging. In this study, 10 items were selected for evaluating the deterioration of pipelines in Incheon metropolitan city’s water supply network, which was recently damaged by old pipes. In addition, deterioration was predicted using principal component analysis and artificial neural networks (ANNs) for old pipelines. It was found that applying the six factors calculated through principal component analysis to ANNs improves the accuracy of scoring evaluation for assessment of deteriorated pipes. In addition, using a trial and error method to divide the number of neurons in the hidden layer for optimization of ANN simulation, the coefficient of determination was found to be the highest when 12 neurons in the hidden layer were utilized.
참고문헌 (29)
- Berke, Laszlo, "Optimization of Large Structural Systems" (1993), Springer, Kluwer Academic Publishers
- Cao, Xiaowei, "Classification of Cm I Energy Levels Using PCA-BPN and PCA-NLM", Chemical Physics, 220(3), pp.289~297 (1997)
- Cho, Sung Bae, "Computational Complexity of Artificial Neural Networks", Korean Institute of Information Scientists and Engineers, 16(2), pp.315~318 (1989)
- Clark, R. M., "Water Distribution System: A Spatial and Cost Evaluation", J. Water Resour. Plann. Manage. Div, 108(3), pp.243~257 (1982), ASCE
- Heaton, J. T, "Introduction to Neural Networks with Java" (2005), Heaton Research, Inc
- Hong, Dael Seong, "A Study for Reliability Improvement in Assessment of Large Diameter aging Pipelines", Koran Society of Civil Engineers 2009 Conference & Civil Expo, pp.1147~1150 (2009)
- Jang, Dong Woo, "Estimation of Leakage Ratio Using Principal Component Analysis and Artificial Neural Network in Water Distribution Systems", Sustainability, 10(3), pp.750~ (2018)
- 장동우, "데이터 정규화 및 주성분 분석 기반의 인공신경망을 이용한 상수관망 내 무수율의 추정", Crisisonomy, 14(3), pp.103~118 (2018), (사)위기관리이론과실천[DOI]
- 정선호, "주성분분석과 공통요인분석에 대한 비교연구: 요인구조 복원 관점에서", 응용통계연구, 26(6), pp.933~942 (2013), 한국통계학회
- Jo, Huoung Geun, "Study on Influence Factors of Non-revenue Water for Sustainable Management of Water Distribution Netwrok", Ph. D, pp.2017
- Kang, Bok Seon, "Real-time Leakage Through Analysis of Artificial Neural Network of Block Flow Data", Proceedings of Symposium of the Korean Institute of Communications and Information Sciences, 6, pp.37~38 (2019)
- 김현철, "선박의 성능 요소 추정을 위한 신경망의 실용화 연구", 한국해양공학회지, 29(2), pp.111~119 (2015), 한국해양공학회
- 김종구, "다변량해석기법을 이용한 인천연안해역의 수질평가", 한국환경과학회지, 15(11), pp.1017~1025 (2006), 한국환경과학회
- Kim, Ju Hwan, "Reliability of Deterioration Assessment Model in Water Supply Pipes", Koran Society of Civil Engineers 2008 Conference & Civil Expo, pp.3213~3217 (2008)
- 김기복, "주성분 분석과 인공신경망을 이용한 피로균열열림·닫힘 시 음향방출 신호분류", 비파괴검사학회지, 22(5), pp.533~538 (2002), 한국비파괴검사학회
- Development of Decision Making System for Water Pipe Rehabilitation, "K-water", ~ (1995)
- Lee, Chang Yong, "A Study of Dterioration Estimation Model for Drinking Water Pipe Using Probabilistic Neural Network(PNN)", Koran Society of Civil Engineers B, 20(2B), pp.197~210 (2000)[DOI]
- 이미란, "주성분 분석과 인공신경망을 이용한 상수관로 노후도 추정 모델 연구", 석사, 환경공학, pp.2010
- 이슬민, "ANN-Clustering 기법을 이용한 상수관로 노후도 평가 및 분류", 한국수자원학회 논문집, 51(11), pp.959~969 (2018), 한국수자원학회[DOI]
- Development of Prediction Model of Corrosion Status and Pipe Deterioration in Water Distribution Systems, "Ministry of Environment(MOE)", ~ (2002)
- Ministry of Environment(MOE), "Waterworks Statistics", ~ (2018)
- A Study on Early Forecasting for Algal Blooms Using Artificial Neural Network (Ⅱ). Technical Report, "National Institute of Environmental", ~ (2011)
- Park, In Chan, "Study on the Decision Priority of Rehabilitation for Water Distribution Network based on Prediction of Pipe Deterioration", Proceedings of the Korea Water Resources Association Conference, pp.1391~1394 (2006)
- 박수완, "관로 노후도 평가결과를 이용한 상수도 관로의 잔존수명 평가 기법의 개발", 한국수자원학회 논문집, 50(10), pp.673~679 (2017), 한국수자원학회
- 박수완, "상수관로 개량 우선순위 수립을 위한 퍼지 기법", 한국수자원학회 논문집, 44(11), pp.903~913 (2011), 한국수자원학회
- Technical Diagnostics Report for Re-establish Basic Plan of Waterworks Maintenance in Incheon Water Distribution Network, "Waterworks Headquarters Incheon Metropolitan City", ~ (2015)
- "Neuron Network" (2020)[URL]
- Yan, J. M., "Fuzzy Approach for Pipe Condition Assessment", Proc. New Pipeline Technologies, Security, and Safety, ASCE, pp.466~476 (2003)
- Yoon, Se Rin, "Analysis of Turbulent Prandtl Number Using Artificial Neural Network and PCA", The Korea Society of Mechanical Engineer 2017, pp.654~656 (2017), KSME