인공지능 모델을 활용한 실시간 수질평가지수 예측 = Real-time WQI prediction using AI-based models

국문 초록 (Abstract)

현재 해양수산부에서 연안 오염우심해역의 해양환경을 상시 측정하기 위해 해양수질자동측정망 자료를 제공하고 있다. 아울러 우리나라는 해양환경을 직관적으로 평가하기 위하여 수질평가지수(water quality index, WQI)를 사용하고 있다. 하지만, 해양환경측정망 자료는 WQI를 제공하고 있으나 해양수질자동측정망 자료는 WQI를 계산하기 위한 수질 자료가 충분하지 않다. 이 연구는 실시간으로 수질 변화를 평가하기 위해서 해양환경측정망 자료를 학습한 인공지능(artificial intelligence, AI) 모델(model)을 이용하여 보정(calibration)된 수질자동측정망 자료의 WQI를 예측하고자 한다. 특별관리해역의 수질자동측정망 자료 중 결측치(missing value)가 비교적 적은 부산수영, 광양적량, 마산삼귀, 인천송도, 시화조력, 시화반월 측정소 자료를 활용하였다. 보정을 위해 수질자동측정소와 가장 인접한 해역별 정점의 해양환경즉정망 자료를 활용하였다. Cook의 거리(Cook’s distance) 비교로 이상치를 제거하고 선형회귀(linear regression)를 통해 해양환경측정망과 동일한 조사 시간의 수질자동측정망 자료 중 결정계수(coefficient of determination)값이 큰 변수의 자료만을 보정하였다. 해양환경측정망 자료를 훈련자료(training datasets)로 사용하고 보정된 수질자동측정망 자료를 검증자료(test datasets)를 사용하여 다양한 알고리즘(algorithm)(MLR, SVR, XGBR, ETR, ANN, ELM, NFN, ANFIS, GANN)으로 학습한 모델의 예측 성능을 평균제곱근오차(root mean square error, RMSE), 평균절대오차(mean absolute error, MAE)로 평가하였다. 평가 결과 각 해역별로 최적 알고리즘과 예측성능은 상이하였고 수질이 나쁜 경우(WQI가 클수록) 예측성능이 나쁘고 일관성이 부족하였다. 자료와 보정의 품질을 향상시킨다면 실시간으로 수질자동측정망 자료의 WQI를 정확히 예측하여 수질오염 경보와 지속가능한 해양환경관리가 가능할 것이다.

참고문헌 (Reference)

1 박선 ; 이성로, "해양환경 모니터링을 이용한 해양재해 예측 시스템 모델" 한국통신학회 38 (38): 263-270, 2013

2 이관홍 ; 박재훈 ; 하호경 ; 김도완 ; 이우주 ; 김홍태 ; 신현정, "이내비게이션을 활용한 해양환경관측 및 빅데이터 분석방안" 한국해양학회 23 (23): 204-217, 2018

3 전승배 ; 오행열 ; 정명훈, "머신러닝을 이용한 해양수질 등급 추정" 대한공간정보학회 28 (28): 145-152, 2020

4 김수빈 ; 이재성 ; 김경태, "기계학습 기반 모델을 활용한 시화호의 수질평가지수 등급 예측" 한국해양학회 27 (27): 71-86, 2022

5 Chen, T., "XGBoost: A scalable tree boosting system" 785-794, 2016

6 Khan, M. S. I., "Water quality prediction and classification based on principal component regression and gradient boosting classifier approach" 34 (34): 4773-4781, 2022

7 Asadollah, S. B. H. S., "River water quality index prediction and uncertainty analysis : A comparative study of machine learning models" 9 (9): 104599-, 2021

8 Kouadri, S., "Performance of machine learning methods in predicting water quality index based on irregular data set : application on Illizi region(Algerian southeast)" 11 (11): 2021

9 "Learning-Based Models" 27 (27): 71-86,

10 Abba, S. I., "Integrating feature extraction approaches with hybrid emotional neural networks for water quality index modeling" 114 : 108036-, 2022

11 Bui, D. T., "Improving prediction of water quality indices using novel hybrid machine-learning algorithms" 721 : 137612-, 2020

12 Khozani, Z. S., "Improving Water Quality Index Prediction for Water Resources Management plans in Malaysia: Application of Machine Learning Techniques" 2022

13 Li, J., "Hybrid soft computing approach for determining water quality indicator : Euphrates River" 31 : 827-837, 2019

14 Yaseen, Z. M., "Hybrid Adaptive Neuro-Fuzzy Models for Water Quality Index Estimation" 32 : 2227-2245, 2018

15 Holland, J. H., "Genetic Algorithms and Adaptation" Springer 16 : 1984

16 Zadeh, L. A., "Fuzzy sets" 8 : 338-353, 1965

17 Buckley, J. J., "Fuzzy neural networks: A survey" 66 : 1-13, 1994

18 Kulisz, M., "Forecasting Water Quality Index in Groundwater Using Artificial Neural Network" 14 (14): 5875-, 2021

19 Geurts, P., "Extremely randomized trees" 63 : 3-42, 2006

20 Huang, G. B., "Extreme learning machine : Theory and applications" 70 : 489-501, 2006

21 Abba, S. I., "Evolutionary computational intelligence algorithm coupled with self-tuning predictive model for water quality index determination" 587 : 124974-, 2020

22 Mohammed, H., "Emulating process-based water quality modelling in water source reservoirs using machine learning" 609 : 127675-, 2022

23 Cook, R. D., "Detection of Influential Observations in Linear Regression" 19 (19): 1977

24 Takagi, T., "Derivation of Fuzzy Control Rules from Human Operator’s Control Actions" 16 (16): 55-60, 1983

25 Tiyasha, "Deep Learning for Prediction of Water Quality Index Classification : Tropical Catchment Environmental Assessment" 30 (30): 4235-4254, 2021

26 Gazzaz, N. M., "Artificial neural network modeling of the water quality index for Kinta River(Malaysia)using water quality variables as predictors" 64 (64): 2409-2420, 2012

27 Hameed, M., "Application of artificial intelligence(AI)techniques in water quality index prediction : a case study in tropical region, Malaysia" 28 (28): 893-905, 2017

28 Jang, J. S. R., "ANFIS : Adaptive-Network-Based Fuzzy Inference System, IEEE TRANSACTIONS ON SYSTEMS, MAN" 23 (23): 1993

29 Smola, A. J., "A tutorial on support vector regression" 14 : 199-222, 2004

30 김명근, "A cautionary note on the use of Cook’s distance" 한국통계학회 24 (24): 317-324, 2017