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.

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.

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.

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.

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.

The numerical experiments using a particle tracking model have been performed for predicting the change of water quality and shoreline. In present study, comparison of the numerical model results with the analytic solution shows that the point of the maximum concentration and the distribution pattern is very similar. The reflection effect from the boundary was newly introduced for making clear the effect of the closed boundary which set limits to application of a particle tracking model. The present model seems to reappear physical phenomenon well. This model shows well qualitative appearance of pollutant diffusion in Kwangan beach. Therefore, this model is regarded as a useful means for predicting diffusion of pollutant, movement of suspended sand, and change of water quality.