Page 36 - ebook

서울물 Seoul Water
재생시설공단 Recycling Corporation
기술리포트 Technology Report
36 하수처리장 CO2 절감을 위한 운영데이터 가공 및 AI모델 개발 2021 12월호_Vol.1 2021 12월호_Vol.1 김민철, 박상호(서울물재생시설공단 물재생연구소) 37

직선에 점들이 가까울수록 예측을 잘한다고 할 수 있는데 집중되지 못하고 습이 이루어지지 않아 예측치의 정확도가 떨어진 것으로 판단된다. 따라서
분산되어 있는 것으로 나타나 해당 모델의 정확도가 높다고 할 수는 없다. 향후 최소 1시간 단위로 데이터를 측정·저장하여 AI 모델 개발에 활용하는

마지막 꺾은선 그래프를 통해 실측값(파란선)과 예측값(노란선)을 비교해 것이 필요할 것으로 생각된다.

본 결과 개발 모델이 BOD 농도를 잘 예측하지 못하는 것으로 나타났다. 한
편 수질 예측 Model 2의 결과는 다음과 같다. 한편, 송풍량 예측 AI모델 결과는 다음과 같다. 먼저 Model 3의 예측 결

과이다.

[그림 3] Model 2 예측 결과 [그림 4] Model 3 예측 결과

히스토그램 분석결과, 최초침전지유입수의 T-N 농도와 유출수의 T-P 농도 위 그래프를 보면 수질 예측 모델들과 비교했을 때보다 점들이 직선에 가

가 BOD 농도에 가장 큰 영향을 주는 것을 확인하였으나, 모델의 예측값과 깝고, 꺾은선 그래프에서 볼 수 있듯이 예측값과 실측값 차이가 작고 경향을

실측값과 차이가 있으므로 정확도가 높지 않았으며, Model 1의 결과와 같이 잘 따라가는 것을 확인할 수 있어 개발 Model 3이 기존의 송풍량 운영방식
개발 모델이 BOD 농도를 잘 예측하지 못하는 것으로 나타났다. 을 잘 따라가고 있음을 알 수 있었다. 다음은 Model 4의 예측 결과이다.

따라서, 수질 예측 AI 모델 개발 결과, ANN을 이용한 Model 2가 MPAE
17.33%로 상대적으로 Model 1보다 정확성이 높은 것으로 나타났다. 여기서

MAPE(Mean Absolute Percentage Error)는 평균 절대 백분율 오차로 정

확도를 오차의 백분율로 표시한 것으로, MAPE가 5이면 예측값은 실측값 대
비 평균 5% 벗어난 것을 의미한다.

Model 1의 성능을 높이기 위해서는 더 많은 학습데이터가 필요한데, 동
연구에서의 학습데이터는 일 단위의 데이터를 활용하였기 때문에 충분한 학