Occurrence of process environment changes, such as influent load variances and process condition changes, can reduce treatment efficiency, increasing effluent water quality. In order to prevent exceeding effluent standards, it is necessary to manage effluent water quality based on process operation data including influent and process condition before exceeding occur. Accordingly, the development of the effluent water quality prediction system and the application of technology to wastewater treatment processes are getting attention. Therefore, in this study, through the multi-channel measuring instruments in the bio-reactor and smart multi-item water quality sensors (location in bio-reactor influent/effluent) were installed in The Seonam water recycling center #2 treatment plant series 3, it was collected water quality data centering around COD, T-N. Using the collected data, the artificial intelligence-based effluent quality prediction model was developed, and relative errors were compared with effluent TMS measurement data. Through relative error comparison, the applicability of the artificial intelligence-based effluent water quality prediction model in wastewater treatment process was reviewed.

본 연구에서는 새만금유역과 호 내의 복잡한 수체 형상, 유입 및 유출 구조를 반영하는데 적합한 모델을 적용하고 재현성이 검토된 모델 결과를 이용하여 호 내 수질을 모의하였다. 또한 구성한 모형의 결과를 바탕으로 만경강, 동진강의 상류에 위치하고 있는 제수문에서의 방류조건을 가정하 여 모의를 수행하였다. 방류조건별 모의 결과, 만경강을 통해 유하하는 호 상류부인 M3, 동진강을 통해 유하하는 호 하류부인 D5지점에서 목표수 질을 초과하는 것으로 나타났고 새만금호 상류부인 M3, D3지점은 방류조건에 따른 수질개선효과가 큰 것으로 예측되어 만경강과 동진강의 유입 수의 영향이 지배적인 것으로 평가되었다. 전량방류시 영향범위를 거리로 살펴보면 만경강대교에서 새만금호 하류방향으로 약 22 km지점, 동진 강대교에서 새만금호 하류방향으로 약 15 km지점까지로 나타났다. 농도변화와 방류조건별 영향범위를 살펴보면, 하류측으로 갈수록 수질개선에 영향을 적게 미치지만, 증가된 방류량에 의해 수질이 개선되어 제수문에서의 방류량 증가는 호 내 수질개선에 기여하는 것으로 판단된다.