기후변화로 기상 조건의 변동성이 증가함에 따라, 하수처리장 유입 부하의 변동성 또한 전반적으로 확대되고 있다. 특히 합류식 하수관거 시스템을 사용하는 도시 지역에서는 강수 및 기온 변화에 따라 유입 부하 변동이 더욱 두드러지게 나타난다. 이에 따라 기존에 활용되는 계절 기반 분류 방법은 예외적인 유입 부하 패턴을 충분히 포착하는 데 한계를 가진다. 본 연구는 기상 자료와 유입 수질 자료를 통합하여 군집화 기반으로 하수처리장 유입 부하 패턴을 분류하는 것을 목적으로 한다. 유입 부하 변동 특성을 효과적으로 나타낼 수 있는 최적의 군집화 조건을 도출하기 위해 다양한 실험 조건에서 여러 군집화 알고리즘의 성능을 비교ㆍ분석하였다. 9년간의 일 단위 기상 자료와 유입 수질 자료를 활용하여 다양한 입력 변수 및 파라미터 조건에서 4개 군집화 알고리즘의 성능을 평가하였다. 분석 결과, 학습에 활용된 특징 변수의 수가 증가할수록 군집 간 상대적 거리인 분리도는 전반적으로 감소하여 분류 성능이 저하되는 경향을 보였다. 반면, 기상 변수를 포함하면 군집 성능이 일관되게 향상되었다. 결과적으로, 강수량의 비대칭적 분포 특성으로 인해 밀도 기반 및 분포 기반 알고리즘은 군집 경계 형성을 저해하여 성능이 저하되었고, 거리 기반 알고리즘은 강수 변수를 포함할 때 분리도가 증가하며 실루엣 지수(Silhouette Index, SI) 높게 나타났다. 이러한 결과는 적절히 선택된 군집화 조건이 기존의 계절 분류를 넘어 예외적인 유입 부하 패턴을 효과적으로 구분할 수 있음을 시사한다. 본 연구는 기상 자료와 수질 자료를 통합한 유입 부하 군집화가 기존 접근법보다 정교한 분류를 가능하게 하며, 선제적 운영과 공정 수준 예측 성능 향상에 기여할 수 있는 정량적 근거를 제시한다.