LSTM 기반 배수지 수위 변화 예측모델과 적합성 평가 연구
A Study on LSTM-based water level prediction model and suitability evaluation
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
배수지는 정수처리 된 물을 급수하기 위해 정수물을 모아두는 저장소로서, 물의 수요량에 따라 급수량을 조절하여 안정적으로 물을 공급하기 위해 배수지의 수위 관리는 매우 중요하다. 현재 배수지 내에 수위 계측 센서를 설치하여, 가압장의 펌프운영을 통해 배수지의 최적 수위를 관리하고 있으나, 센서의 오작동 및 통신두절 등 사고대응을 관리자 감시에 의존하고 있어, 사고의 위험을 안고 있다. 본 연구에서는 배수시설의 안정적 운영을 위하여, 배수지의 수위 변화 예측 인공지능 모델을 제안하였으며, 배수지 수위 변화 예측모델의 현장적용에 대한 안정성을 확인하기 위하여 수위 데이터의 결측 상황에 대한 시뮬레이션을 통하여, 실제 수위 변화값과 예측된 수위 변화값의 비교를 통하여 모델의 유용성을 확인하였다.
Abstract
Water reservoir is defined as a storage space to hold and supply filtered water and it’s significantly important to manage water level in the water reservoir so as to stabilize water supply by controlling water supply depending on demand. Liquid level sensors have been installed in the water reservoir and the pumps in the booster station facilitated management for optimum water level in the water reservoir. But the incident responses including sensor malfunction and communication breakdown actually count on manager’s inspection, which involves risk of accidents. To stabilize draining facility management, this study has come up with AI model that predicts changes in the water level in the water reservoir. Going through simulation in the case of missing data in the water level to verify stability in relation to the field application of the prediction model for water level changes in the reservoir, the comparison of actual change value and predicted value allows to test utility of the model.
참고문헌 (16)
- 김강민, "실시간 송수펌프 최적운영 시스템 개발", Water for Future, 48(12), pp.43~50 (2015)
- 신강욱, "단기 물 수요예측 시뮬레이터 개발과 예측 알고리즘 성능평가", 상하수도학회지, 25(4), pp.581~589 (2011), 대한상하수도학회
- 안지훈, "데이터마이닝 기법을 활용한 상수 이용현황 분석 및 단기 물 수요예측 방법 비교", 한국빅데이터학회지, 1(1), pp.9~17 (2015)
- 이호준, "머신러닝 기법을 활용한 낙동강 하구 염분농도 예측", 스마트미디어저널, 11(2), pp.31~38 (2022), (사)한국스마트미디어학회[DOI]
- 이혜승, "효율적 관망운영방법 모색을 통한 유수율 향상 방안", 석사, 토목공학과, pp.2013
- 이진현, "다중 회귀 분석을 활용한 보일러의 공사비 예측 모델 개발", 한국건축친환경설비학회 논문집, 14(4), pp.311~320 (2020), 한국건축친환경설비학회[DOI]
- 김종화, "순환신경망 모형을 활용한 시계열 비교예측", Journal of The Korean Data Analysis Society, 21(4), pp.1771~1779 (2019), 한국자료분석학회[DOI]
- S. Hochreiter, "Long Short Term Memory", Neural Computation, 9(8), pp.1735~1780 (1997)
- 신성호, "LSTM 네트워크를 활용한 농산물 가격 예측 모델", 한국콘텐츠학회 논문지, 18(11), pp.416~429 (2018), 한국콘텐츠학회[DOI]
- 이태석, "LSTM 기반의 sequence-to-sequence 모델을 이용한 한글자동 띄어쓰기", 스마트미디어저널, 7(4), pp.17~23 (2018), (사)한국스마트미디어학회[DOI]
- 정성호, "딥러닝을 이용한 잠수교 수위예측", 한국수자원학회 2018년도 학술발표회, pp.135~ (2018)
- 박세현, "하천 범람 예측을 위한 인공지능 수위 예측 시스템 설계", 한국정보통신학회논문지, 24(2), pp.198~203 (2020), 한국정보통신학회[DOI]
- 정재원, "LSTM 기반 딥러닝 기법을 이용한 섬진강 구례교 지점의 홍수위 예측", 하천방재, 21(3), pp.193~201 (2021)
- 이종혁, "LSTM과 양방향 순환신경망을 이용한 주가예측모델 비교연구", 석사, pp.2019
- 임명진, "미세먼지와 진료과목의 상관관계 분석을 통한연관성 예측 방법", 스마트미디어저널, 7(3), pp.22~28 (2018), (사)한국스마트미디어학회[DOI]
- 조경우, "미세먼지 예측을 위한 기계 학습 알고리즘의 적합성 평가", 한국정보통신학회논문지, 23(1), pp.20~26 (2019), 한국정보통신학회[DOI]