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.

급격한 산업화와 도시화로 인해 해양 오염이 심각해지고 있으며, 이러한 해양 오염을 실효적으로 관리하기 위해 수질평가 지수(Water Quality Index, WQI)를 마련하여 활용하고 있다. 하지만 수질평가지수는 다소 복잡한 계산과정으로 인한 정보의 손실, 기준값 변동, 실무자의 계산오류, 통계적 오류 등의 불확실성(uncertainty)을 내포하고 있다. 이에 따라 국내ㆍ외에서 인공지능 기법을 활용하여 수질평가지수를 예측하기 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 해양환경측정망 자료(2000 ~ 2020년)를 활용하여 우리나 라 전 해역 즉, 5개의 생태구에 대한 WQI를 추정할 수 있는 가장 적합한 인공지능기법을 도출하기 위해 총 6가지의 기법(RF, XGBoost, KNN, Ext, SVM, LR)을 실험하였다. 그 결과, Random Forest 기법이 다른 기법에 비해 가장 우수한 성능을 보였다. Random Forest 기법의 WQI 점수 예측값과 실제값의 잔차 분석 결과, 모든 생태구에서 시간적 및 공간적 예측 성능이 우수한 것으로 나타났다. 이를 통해 본 연구에서 개발한 Random Forest 기법은 높은 정확도를 바탕으로 우리나라 전해역에 대한 WQI를 예측 가능할 것으로 사료된다.

The management of algal bloom is essential for the proper management of water supply systems and to maintain the safety of drinking water. Chlorophyll-a(Chl-a) is a commonly used indicator to represent the algal concentration. In recent years, advanced machine learning models have been increasingly used to predict Chl-a in freshwater systems. Machine learning models show good performance in various fields, while the process of model development requires considerable labor and time by experts. Automated machine learning(auto ML) is an emerging field of machine learning study. Auto ML is used to develop machine learning models while minimizing the time and labor required in the model development process. This study developed an auto ML to predict Chl-a using auto sklearn, one of most widely used open source auto ML algorithms. The model performance was compared with other two popular ensemble machine learning models, random forest(RF) and XGBoost(XGB). The model performance was evaluated using three indices, root mean squared error, root mean squared error-observation standard deviation ratio(RSR) and Nash-Sutcliffe coefficient of efficiency. The RSR of auto ML, RF, and XGB were 0.659, 0.684 and 0.638, respectively. The results shows that auto ML outperforms RF, and XGB shows better prediction performance than auto ML, while the differences between model performances were not significant. Shapley value analysis, an explainable machine learning algorithm, was used to provide quantitative interpretation about the model prediction of auto ML developed in this study. The results of this study present the possible applicability of auto ML for the prediction of water quality.

In this study, we performed algorithms to predict algae of Chlorophyll-a (Chl-a). Water quality and quantity data of the middle Nakdong River area were used. At first, the correlation analysis between Chl-a and water quality and quantity data was studied. We extracted ten factors of high importance for water quality and quantity data about the two weirs. Algorithms predicted how ten factors affected Chl-a occurrence. We performed algorithms about decision tree, random forest, elastic net, gradient boosting with Python. The root mean square error (RMSE) value was used to evaluate excellent algorithms. The gradient boosting showed 10.55 of RMSE value for the Gangjeonggoryeong (GG) site and 11.43 of RMSE value for the Dalsung (DS) site. The gradient boosting algorithm showed excellent results for GG and DS sites. Prediction value for the four algorithms was also evaluated through the Receiver operating characteristic (ROC) curve and Area under curve (AUC). As a result of the evaluation, the AUC value was 0.877 at GG site and the AUC value was 0.951 at DS site. So the algorithm‘s ability to interpret seemed to be excellent.

본 연구는 생태계 모델을 이용하여 부산연안으로 유입되는 부하량 삭감에 따른 해역의 수질개선 정도를 예측하였다. 모델링 결과에 의하면 COD, T-N, T-P 모두 수영만 연안과 낙동강 하구에서 뚜렷한 개선을 나타냈으며, 수영만을 제외한 만 중부에서 만 동쪽까지 는 수질개선이 거의 나타나지 않았다. 이는, 부산연안이 남해에 위치한 다른 해역에 비해 개방형경계를 가지고 있어서, 물질교환이 빠르 기 때문으로 판단된다. 수질개선을 위한 본 해역의 삭감 COD 부하량은 타 해역에 비해 적었고, 총 유입부하량에 대한 삭감비율 또한 작게 나타났다. 본 연구에 적용한 부하삭감량을 적용하면 수영만, 낙동강 하구부근에서 뚜렷한 수질개선효과를 얻을 수 있을 것으로 판단된다.

Pulp and paper industry produces large volumes of wastewater and residual sludge waste, resulting in many issues in relation to wastewater treatment and sludge disposal. Contaminants in pulp and paper wastewater include effluent solids, sediments, chemical oxygen demand (COD), and biological oxygen demand (BOD), which should be treated by wastewater treatment processes such as coagulation and biological treatment. However, few works have been attempted to predict the treatment efficiency of pulp and paper wastewater. Accordingly, this study presented empirical models based on experimental data in laboratory-scale coagulation tests and compared them with statistical models such as artificial neural network (ANN). Results showed that the water quality parameters such as turbidity, suspended solids, COD, and UVA can be predicted using either linear or expoential regression models. Nevertheless, the accuracies for turbidity and UVA predictions were relatively lower than those for SS and COD. On the other hand, ANN showed higher accuracies than the emprical models for all water parameters. However, it seems that two kinds of models should be used together to provide more accurate information on the treatment efficiency of pulp and paper wastewater.

This study have been conducted to analyze the feasibility of establishing Contamination Warning System(CWS) that is capable of monitoring early natural or intentional water quality accidents, and providing active and quick responses for domestic C_water supply system. In order to evaluate the water quality data set, pH, turbidity and free residual chlorine concentration data were collected and each statistical value(mean, variation, range) was calculated, then the seasonal variability of those were analyzed using the independent t-test. From the results of analyzing the distribution of outliers in the measurement data using a high-pass filter, it could be confirmed that a lot of lower outliers appeared due to data missing. In addition, linear filter model based on autoregressive model(AR(1) and AR(2)) was applied for the state estimation of each water quality data set. From the results of analyzing the variability of the autocorrelation coefficient structure according to the change of window size(6hours~48hours), at least the window size longer than 12hours should be necessary for estimating the state of water quality data satisfactorily.

아산만 해역으로 방류수가 배출될 경우, 생태-유체역학모델을 이용하여 아산만 해역의 장기 수질변화를 예측하였다. 생태-유체역학 모델은 해수유동 시뮬레이션을 위한 다층모델과 수질시뮬레이션을 위한 생태계모델로 구성되어 있다. 생태-유체역학모델을 이용하여 아산만해역의 장기 수질을 예측한 결과, 5개 정점에서 화학적산소요구량, 용존무기질소 및 용존무기인의 농도분포는 현재 계산결과에서 6개월 동안 증가하였다. 수치실험 수행시간 1년에서 2년 사이에서는 화학적 산소요구랑, 용존무기질소, 용존무기인의 농도분포는 6개월 동안 증가한 농도분포가 차츰 감소하는 경향을 보였으며, 3년에서 10년 사이에서는 일정한 농도분포를 보였다. 화학적 산소요구량, 용존무기질소 및 용존무기인의 농도는 11~67%, 10~67% 및 0.57%의 범위로 증가하였다. 10년 동안의 수치 실험 결과 화학적산소요구량과 용존무기질소의 변화 폭이 크게 나타났으며 이는 하수처리장의 방류수 중 이 두 오염부하량이 많은 양을 차지하고 있기 때문이다. 아산만 연안해역에서 화학적산소요구량, 총질소, 총인의 농도는 해역수질환경기준 II등급으로 조사되었으나, 하수처리장의 방류수가 배출될 경우 사업지구 인근의 아산만 방조제 부근에서는 해역수질환경기준 III등급으로 나타났다.

The propriety of the numerical model application was examined on Paldang resevoir and its inflow tributaries located in the center of the Korean peninsula and the long term water quality forecast of the oxygen profile was carried out in this syduy. The input data of the model was the capacity of the reservoir, catchment area, percolation, diffusion rate, vertical mixing rate, dissolution rate from the bottom of the reservoir, outflow of the resevoir, water quality measurement and meteorology data of the drainage basin, and the output result was the annual estimation value of the dissolved oxygen concentration and the biochemical oxygen demand. The modeling method is based on the measured or calculated boundary condition dividing the water area into several blocks from the macorscopic aspect and considering the mass balance in these blocks. As the result of the water quality forecast, it was expected that the water quality in Northern Han River and Paldang reservoir would maintain the recent level, but that the water quality in the Southern Han River and its inflow tributary would worsen below the grade 4 of the life environmental standard from around 2000 owing to the decrease of DO concentration and the increase of BOD concentration.

본 연구에서는 IPCC가 발간한 AR5 의 시나리오 중 임의로 선택된 RCP 4.5와 RCP 8.5 기후변화 시나리오가 용담댐 유역과 호내의 유량과 수질변화에 미치는 영향을 분석 및 그 방법론을 수립하기 위해서 SWAT 모델과 CE-QUAL-W2 모델을 차례로 사용하였다. 기후변화 시나리오는 용담댐 유역에 대해 상세화 된 자료 를 사용하였으며 2016~2095년의 기간을 2016~2035년, 2036~2065년 그리고 2066~2095년의 세 가지의 기간으로 구분하고 또한 각 연도별로 5월과 10 월 사이의 우기(Wet Season)와 11월과 4월 사이의 건기(Dry Season)로 또한 구분하여 분석하였다. 전체 모의 기간에 대해 산술평균한 용담댐 유역의 유량과 TSS 및 TP는 RCP 4.5가 RCP 8.5 보다 큰 것으로 나타나고 TN의 경우 다른 경향을 나타내었다. 반면, 모델의 예측결과를 기간별 또는 연중 강우특성별로 구별하여 분석한 경우에는 각 경우마다 서로 다른 결과를 나타내고 있다. 기후변화 시나리오가 진행됨에 따라 전반적으로 강우일수는 감소하고 강우강도는 증가하여 갈수기에는 오염물질의 유출이 감소하고, 홍수기에는 오염물질의 유출이 증가하여 연간 오염물질 유출량이 홍수기에 집중되는 특성을 나타내었다. 상기와 동일 한 기간에 대해 SWAT 모델에서 생성된 유역의 자료를 CE-QUAL-W2 모델의 경계조건으로 사용하여 용담댐의 수질변화특성을 모의하였다. TSS와 TP농도는 하절기 강우량의 증가에 따라 특히, 높은 값을 나타내는 것으로 분석되었으나, 고형물질에 잘 흡착되지 않는 TN은 다른 경향이 나타났다. 따라서 기후변화에 의한 장래의 유량 및 수질 변화는 전반적인 경향과 더불어 지역적, 시기적 특성을 또한 반영하여 분석하는 것이 바람직하다고 판단되며 이에 따라 갈수 및 홍수에 의한 시기별, 지역별 유량 및 수질 관리 대책이 별도로 필요할 것으로 판단된다.

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.

최근 기후변화 및 4대강 보에 의한 본류 구간에서의 조류 발생 우려로 인하여 지류로부터 유입되는 영양염류 물질 등 비점오염에 대한 관리의 필요성이 증대되고 있다. 이와 같이 영양염류의 다량 유입 등 원인제공에서 대 조류 발생과 같은 수질현상으로 발현되기까지 장기간이 소요되는 경우, 오염원의 입체적 관리 및 사전예방 대책 수립을 위한 장기 수질예보의 필요성이 높아지고 있다. 국내의 경우 「수질예보 및 대응조치에 관한 규정」에 따라 현재 국립환경과학원에서는 4대강 본류 중심의 7일 단위의 단기 수질예보를 수행하고 있으며, 해외의 경우에도 장기 수질예보의 사례를 찾아보기 힘들다. 본 연구에서는 3개월 선행예측기간(lead time)의 장기 수질예보를 위해서 통계적 접근 방법과 모델링 기반 접근 방법의 예측성을 비교하였다. 통계적 접근 방법의 경우 관측자료 기반 기후인자(Climate Index)와 중권역 규모 관측 수질 사이의 지체시간(lag time)을 갖는 원격상관(teleconnection)을 이용하여 모델링 과정 없이 수질을 예측하였다. 반면 모델링 기반 방법의 경우에는 장기 기후예측 정보를 유역규모 및 일 단위로 시·공간적 상세화(downscaling)를 거쳐 유역모형의 입력으로 사용하여 수질을 예측하였으며, 유역모형으로는 국내에서 가장 보편적으로 사용되고 있는 Soil and Water Assessment Tool (SWAT) 및 Hydrological Simulation Program-Fortran (HSPF) 모형을 사용하였다. 낙동강의 위천 중권역을 대상으로 하여 총질소(TN) 및 총인(TP) 수질항목에 대한 예측성을 평가하였다. 통계적 방법의 경우 3개 관측지점에서 월별(12개월) 수질 장기 예측을 수행한 결과 유의수준 0.05에서 유의미한 상관계수(Temporal Correlation Coefficient) 이상의 값을 보인 경우는 TN, TP의 경우 각각 83%, 89%로서 적절한 예측성을 보였다. 반면 모델링 방법의 경우에는 수질의 절댓값(농도) 비교를 통한 예측성 평가에는 어려움이 있는 것으로 나타났으며, 향후 추가적인 예측성 평가 기법의 개발이 필요할 것으로 사료된다.

매년 수질안전관리와 관련한 사건사고는 끊임없이 발생하고 있으며, 과거의 여러 사례에서 보여지듯이 수질오염으로 인한 피해는 후대까지 지속되는 인류의 끔찍한 재앙을 낳았다. 물은 인간을 비롯한 모든 생태계에 있어 가장 밀접하고도 필수적인 요소이기 때문에 철저한 유지 및 관리가 필요하다. 하지만 인간의 물 공급원인 호수나 하천은 지형적 특성상 오염 후 회복이 어려우며, 경제적인 부분은 물론, 획기적인 수질정화기술이 제시됨에도 불구하고 인구증가와 활발한 인간활동으로 그 수준을 따라가지 못하는 실정이다. 이를 위해 본 연구에서는 사용자의 편의를 위해 Matlab GUI로 제작한 수질의 오염정도를 간단히 예측해 볼 수 있는 수질 예측 모델에 대해 소개하고자 한다. 본 연구에서 소개하는 수질 예측 모델은 well-mixed, steady state라는 가정 하에 자연수역의 형태와 외부 오염 유입 등을 고려하여 알고자하는 지점의 수질 위험정도 판단이 용이하다. 또한 편리한 조작과 간단한 데이터 입력만으로도 수질오염정도의 판단 기준이 되는 여러 지표로 분석 가능하기 때문에 환경공학도들의 자가학습 툴(Self-Learning Tool)로도 효과적일 것으로 기대된다.

저수지는 생물서식공간 및 우수 저류공간, 비상용수 확보 등 여러 기능을 하고 있다. 그러나 하천에 비하여 유속이 느리고 체류시간이 긴 저수지에서는 쉽게 유입되는 유입물이 퇴적되기 싶다. 또한 퇴적물에서의 오염물질에 따라서 쉽게 수질이 악화되며 부영양화 현상이 빈번히 나타나고 있다. 따라서 본 연구에서는 충남 아산시 탕정면 명암리에 위치한 가락바위 소류지를 대상으로 수질분석을 수행하였다. 수질분석은 국립환경과학원(2006)에서 개발한 한국형 부영양화 평가방법을 이용하여 부영양화 분석을 수행하였으며 분석결과 빈번히 과영양상태가 발생하였다. 과영양상태가 발생되는 이유는 과거 저수지 주변이 농경지로 유기물질인 비료 사용으로 인해 저수지 바닥에 퇴적된 저질이 상당히 오염되어 있어 수질이 악화 되는 것으로 판단된다. 본 연구에서는 완전혼합모형 이론을 바탕으로 2013년 수질자료를 구축하였으며 구축한 결과 TN의 경우 평균 약 32.5%, TP의 경우 평균 약 32.8%의 저감능력을 보였다. 또한 2013년 수질을 예측하기 위하여 국내외 호소의 수질모의에 광범위하게 적용되고 있는 3차원 수질모델인 WASP모형에 적용하여 2013년 수질을 예측하였으며 예측결과 TN의 경우 평균 약 42.4%, TP의 경우 약 32.5%의 수질 저감능력을 보였다. 준설을 통한 수질을 저감하여 유지관리 되어 진다면 도시 내 친수공간 확보에도 큰 영향이 있을 것으로 판단된다.