Page 35 - ebook
P. 35
서울물 Seoul Water
재생시설공단 Recycling Corporation
기술리포트 Technology Report
34 하수처리장 CO2 절감을 위한 운영데이터 가공 및 AI모델 개발 2021 12월호_Vol.1 2021 12월호_Vol.1 김민철, 박상호(서울물재생시설공단 물재생연구소) 35
[데이터 전처리 과정] [송풍량 예측 MODEL]
데이터의 AI 적용을 위한 데이터 선별 및 전처리, 가공된 데이터 데이터를 AI모델
에 입력하여 학습 진행 Model 3
- 1처리장 데이터 사용
- 데이터 분석 결과를 바탕으로 예측하고자 하는 데이터(Output)와 영향을 주는 - (입력 데이터) 생물반응조(유입량, 수온, pH), 방류수(COD, SS, T-N, T-P, NH 4 )
데이터(Input)를 추출 - (출력) 생물반응조 송풍량
- (모델) CNN+RNN = [16, 32, 64], Bidirection LSTM×2
Model 4
- 1처리장 데이터 사용
- AI 알고리즘은 데이터의 크기에 영향을 받기 때문에 Min-Max scaler를 통해 데 - (입력 데이터) 생물반응조(유입량, 수온, pH, 과거 10일 송풍량), 방류수(COD,
이터를 전처리함 SS, T-N, T-P, NH 4 )
- (출력) 다음날의 생물반응조 송풍량
- (모델) CNN+RNN = [16, 32, 64], Bidirection LSTM×2
4 수질 예측 Model 1의 결과는 다음과 같다.
위와 같은 데이터 사전 분석 과정 및 전처리 과정을 통해 아래와 같이 수 연구 결과
질 예측 모델, 송풍량 예측 모델을 각각 개발하였다.
[수질 예측 MODEL]
Model 1
- CNN과 RNN 모델을 결합하여 최초 침전지 유출 BOD를 사용하여 미래의 유출
BOD 예측
- (입력 데이터) 과거 10일의 BOD 데이터
- (모델) CNN+RNN = [16, 32, 64], Bidirection LSTM×2
Model 2
- CNN과 RNN 모델을 결합하여 최초 침전지 유출 BOD를 사용하여 미래의 유출
BOD 예측
[그림 2] Model 1 예측 결과
- (입력 데이터) 유입수(기온, 강우량, 수온, 유량,), 최초침전지 유입(pH, COD, SS,
T-N, T-P), 최초 침전지 유출(COD, SS, T-N, T-P, NH 4 -N, 생오니량), 체류시간
막대그래프에서는 과거 10일의 BOD 농도 중 전날의 BOD 농도가 가장 큰
- (출력) 최초침전지 유출(BOD)
- (모델) ANN = [16, 32, 64, 128, 256, 512, 128, 32, 1] 영향을 주는 것을 확인할 수 있었다. 하지만 실제값과 예측값 그래프는 파란
