흙세척법에서 인공신경망의 적용성 연구 = Application of artificial neural networks to soil flushing method

국문 초록 (Abstract)

오염지반을 정화하는 방법 가운데 흙세척법은 비교적 투수계수가 큰 지반에서 주로 사용되고 있으며, 이에 대한 수학적 모델도 많이 개발된 상태이다. 그러나 오염물의 종류 또는 용해도에 따라 이 모델들의 예측 값과 흙세척법을 통한 시험 결과 값은 매우 다르게 나타나고 있어, 이 모델을 현장 적용하는데 어려움이 있다.
수학적 모델로 해결하기 어려운 공학 분야에서 인공신경망기술(neural networks technology)을 적용, 검토하며 거동을 예측하고 있는 예가 점점 늘어나고 있는 실정이다. 이 논문에서는 흙세척법의 거동 예측 정확성을 높이고자 인공신경망 기술을 적용하였다.
인공신경망 모델 구축을 위해 NeuroDimension 社에서 개발한 상용소프트웨어인 NeuroSolutions Version 4.21를 사용하였으며, 이의 활용 가능성을 판단하기 위해 이미 시험 및 연구를 통해 축적해온 자료를 사용하여 검증하였다. 인공신경망기술을 흙세척법에 적용하기 위해 인공신경망의 학습에 영향을 미치는 운영인자, 은닉층의 수, 은닉층의 노드수, 학습률, 모멘텀 상수, 전이함수를 변화시켜가며 최적의 조건을 갖춘 인공신경망을 이용한 모델을 개발하여 이미 발표되었고 수립된 수학적적 모델과 비교검증 하였다. 오염물의 유출농도 예측을 위해 본 연구에서 개발된 인공신경망모델은 수학적 모델과 비교하였을 때 매우 정확한 값을 예측하는 것으로 나타났다.

다국어 초록 (Multilingual Abstract)

Soil flushing method is commonly used to treat contaminated soil having relatively large hydraulic conductivity. Many mathematical models to predict effluent concentrations of contaminants from soils have been developed. Their predicted results, however, do not fit well with those from laboratory or in-situ tests. The correlation between the predicted and measured values is highly dependent on the type and the solubility of contaminants.
In this study, ANN(artificial neural networks) technology was applied to enhance prediction of contaminant removal by soil flushing method. A commercial available software, NeuroSolutions^(TM) Version 4.21 by NeuroDimension, Inc. was used to architect neural networks.
After optimizing the number of hidden layers, the number of hidden nodes, transfer functions, momentum terms, and learning rates, ANN model was established to simulate the soil flushing method. Results obtained by ANN models were compared with results predicted a mathematical model. The correlation between the measured value and the predicted effluent concentration using ANN model is much more accurate than using a mathematical model.

목차 (Table of Contents)

• 국문요약 = 0
• ABSTRACT = 0
• 목차 = i
• 표목차 = iii
• 그림목차 = iv
• 기호설명 = vi
• 1. 서론 = 1
• 1.1 연구배경 및 목적 = 1
• 1.2 연구내용 및 방법 = 2
• 2. 인공신경망의 고찰 = 3
• 2.1 개요 = 3
• 2.2 신경망의 배경 = 4
• 2.3 신경망의 특성 = 5
• 2.4 다층신경망 = 10
• 2.4.1 다층신경망의 개요 = 10
• 2.4.2 다층신경망의 구성 요소와 동작 = 12
• 2.4.3 오류역전파 학습 알고리즘 = 14
• 3. 초음파-흙세척법을 이용한 오염지반 복원률 증대에 인공신경망의 적용 = 25
• 3.1 개요 = 25
• 3.2 입력자료 = 26
• 3.3 모델의 입력요소와 출력요소 = 27
• 3.4 인공신경망 설계 = 29
• 3.4.1 자료의 분할 = 30
• 3.4.2 모델의 설계 = 30
• 3.4.3 학습 = 31
• 3.4.4 학습의 정지 기준 = 32
• 3.4.5 모델의 검증 = 33
• 3.5 해석 결과 = 34
• 3.6 결론 = 40
• 4. 실제오염물을 이용한 흙세척법에서 인공신경망의 적용 = 42
• 4.1 수학적 모델을 통한 BTX(Benzene, Toluene, and Xylene)의 유출농도 예측 = 42
• 4.2 인공신경망(ANN)을 이용한 BTX의 유출농도 예측 = 48
• 4.3 해석 결과 = 53
• 4.3.1 Benzene의 예측결과 = 53
• 4.3.2 Toluene의 예측결과 = 56
• 4.3.3 Xylenes의 예측결과 = 59
• 5. 결론 = 62
• 참고문헌 = 63