댐 계측데이터 분석의 자동화를 위한 계측기기별 이상치 탐지 방법 결정을 위한 연구
A Study on the Determination of Outlier Detection Techniques for the Automation of Dam Monitoring Data Analysis by Instrument Type
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
댐, 특수교, 터널 등 사회기반시설은 국가의 수자원 관리, 교통 흐름 유지, 안전한 이동 등을 담당하며 국가 경제와 국민생활의 핵심을 이루는 중요한 인프라이다. 이러한 사회 기반시설은 주기적인 정밀안전진단을 통해 구조적 안정성과 기능적신뢰성을 지속적으로 점검해야 한다. 하지만 정밀안전진단보고서 작성에 필요한 계측자료 분석 과정은 방대한 데이터량과복잡성으로 인해 많은 인력과 시간이 소요되고, 특히 계측자료의 이상치를 탐지하고 제거하는 전처리과정에서 오류 가능성이높아 작업의 효율성을 저하시키고 있다. 이러한 문제를 해결하기 위해 계측자료 분석의 자동화를 도입하는 것이 필요하다. 자동화된 계측자료 분석 시스템은 보고서 작성의 인력과 비용을 절감하며, 효율성과 일관성을 높일 수 있다. 따라서 본 연구에서는 자동화된 계측자료 분석 시스템을 구축하는 과정의 하나인 원시데이터의 이상치를 탐지 및 제거하는 기법에 대한 연구를수행하였다. 본 연구에서는 단변량 및 다변량 이상치 탐지 기법을 비교 분석하고, 계측기별 특성에 따라 가장 적합한 기법을도출하였다. 특히, 간극수압계를 대상으로 한 적용 결과, LOF(Local Outlier Factor) 기법이 가장 높은 상관성 증가를 보이며최적 기법으로 도출되었고, 이는 자동화 시스템의 기본값으로 제안되었다. 이와 같은 방법론은 향후 다양한 계측기에도 동일하게 적용될 수 있으며, 계측자료 분석의 정밀성과 신뢰성을 향상시키는 기반이 될 수 있다.
Abstract
Dams, special bridges, tunnels, and other social infrastructure play a crucial role in national water resource management, maintaining traffic flow, ensuring safe transportation, and forming the backbone of the national economy and public life. These infrastructures require periodic precise safety inspections to continuously assess their structural stability and functional reliability. However, the analysis of measurement data required for preparing detailed safety inspection reports involves a vast amount of data and high complexity, necessitating significant manpower and time. In particular, the preprocessing stage of detecting and removing outliers in measurement data is prone to errors, reducing work efficiency. To address these challenges, the automation of measurement data analysis is necessary. An automated measurement data analysis system enhances the consistency and efficiency of report generation while reducing labor and costs. Therefore, this study focuses on techniques for detecting and removing outliers in raw data as a step toward establishing an automated measurement data analysis system. Univariate and multivariate outlier detection methods were reviewed and compared. Based on the characteristics of each instrument, the most appropriate detection technique was selected. For pore water pressure gauges, the Local Outlier Factor (LOF) method was identified as the most suitable approach, showing the greatest improvement in correlation after outlier removal. The proposed methodology can be applied to other instruments as well and will serve as a foundation for improving the reliability and precision of automated monitoring data analysis systems.