http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Machine learning 을 이용한 계절별 NH3 예측 모델 구축 결과
이선렬,오해성,심선희,오혜연,최정현 한국퇴적환경준설학회 2023 한국환경준설학회 학술대회논문집 Vol.2023 No.5
국내 하천과 같이 강우에 의한 유량 변동이 큰 수계의 경우, 집중 강우 시 많은 양의 퇴적물이 하천 하류나 호소 바닥으로 이동하여 쌓이게 되고, 쌓인 퇴적물은 재부유, 침식, 교란 등의 활동에 의해 오염물질이 용출되어 하천 및 호소의 수질에 심각한 영향을 미칠 수 있다. 낙동강은 수심 및 수량 증가 등의 물리적인 변화로 인해 유역의 특성이 유수형 하천에서 정수형 호소로 전환되었으며, 하천의 흐름 정체는 보 상류의 유사거동에 많은 영향을 미친다. 이러한 퇴적환경의 변화는 오염된 퇴적물이 수층과 물리, 화학적인 상호작용에 의해 오염물질의 용출을 발생시켜 지속적으로 수질을 저하시키는 내부 오염물질로 작용하게 한다. 따라서 낙동강의 변화된 환경에 따른 퇴적물이 수층에 미치는 영향을 평가하기 위해서는 퇴적물에서 발생된 오염물질의 용출특성에 관한 연구가 필요하다. 낙동강 퇴적물을 대상으로 퇴적물과 수층의 물리·화학적 자료를 이용하여 XGBoost모델을 구축하였다. 본 연구에서는 홍수기를 기준으로 홍수전, 중, 후로 나누어 모델을 구축하였고, 모든 시기에서 훈련, 보정, 검정의 R2가 0.8 이상으로 우수한 성능을 보였다. 이후, 머신러닝 모델 예측 시 가장 중요한 주요 변수를 도출하였다. 낙동강에서 NH3 예측 모델 기여도가 높은 인자는 홍수 전, 중, 전체는 ssChl-a이 가장 높고, 홍수 후에는 ssTOC가 가장 높은 것으로 나타났다.
아산호의 퇴적물 용출 메탄 발생량 및 용존 유기물 특성
심선희,이선렬,최정현 한국퇴적환경준설학회 2023 한국환경준설학회 학술대회논문집 Vol.2023 No.11
아산호는 경기도 평택시에 위치하고 있는 인공호수로, 길이 2,564 m, 높이 8.5 m,의 아산방조제가 건설되는 과정에서 형성되었다. 아산호와 같은 호수는 외부에서 유입되는 영양물질과 같은 외부 유입원뿐만 아니라, 하상 퇴적물에 의해서도 영향을 받는다. 성층현상은 상ㆍ하층간의 산소전달를 감소시켜 내부 영향을 극대화시키는 요인 중 하나이다. 성층현상 발생 시 유기물이 빠르게 산화되는 현상이 나타나 산소의 소비 및 혐기성 상태로 유기물 분해 과정의 최종산물로 메탄이 생성된다. 이러한 메탄은 온실가스에 기여하는 요인 중 하나로, 호수에서 성층현상에 따라 메탄과 유기물과의 상관관계에 대한 국내 연구사례는 현재 많지 않다. 따라서 본 연구는 형광분석을 이용하여 용존 유기물의 특성분석을 수행하여 메탄과의 연관성을 분석하였다, 메탄 측정 방법은 헤드스페이스 방법을 사용하였으며, 수심 별 농도를 측정하여 메탄의 분포를 확인하였다. 또한 퇴적물 코어 배양을 이용해 3 site 배양에 따른 메탄 flux를 정량화하였다. 유기물 측정의 경우, 형광 excitation-emission matrix (EEM) 분석을 이용해 시료 내 용존 유기물의 공간적인 분획특성 정보를 확인하였다.
XGBoost 모델을 이용한 시기별 영양염 용출률(PO43--P) 예측 모델 구축
심선희,오해성,이선렬,전유경,최정현 한국퇴적환경준설학회 2023 한국환경준설학회 학술대회논문집 Vol.2023 No.5
하천 퇴적토는 담수 생태계를 구성하는 기본 요소 중 하나로, 수층과의 유기적 연결성으로 인하여 경계면에서 끊임없이 상호작용이 발생한다. 하천 주변의 다양한 공급원으로부터 유입되는 영양염(nutrients)과 유기물(organic materials) 등은 퇴적토에 축적되어 있다가 특정 환경 조건에서 다시 수층으로 용출될 수 있다. 일반적으로 하천에서는 유역으로부터 유기물이 퇴적토로 유입되고 이는 미생물에 의하여 연속적으로 분해된다. 이때, 유기물이 퇴적토에 더 많이 유입될수록 분해 산물인 PO43--P가 증가하게 된다. 이에 본 연구에서는 대표적인 우리나라의 주요 상수원인 낙동강을 연구대상지로 선정하여, 퇴적토 및 수층의 물리·화학적 특성자료를 이용하여 XGBoost모델을 구축하였다. 특히, 우리나라의 경우 강우의 계절적 편차가 심하여 홍수기를 기준으로 홍수전, 중, 후로 나누어 모델을 구축하였다. XGBoost모델은 머신러닝 모델 중에서도 성능이 우수한 것으로 알려져 있는데, 본 연구에서도 모든 시기에서 훈련, 보정, 검정의 R2가 0.8 이상으로 우수한 성능을 보였다. 이후, 머신러닝 모델 예측 시 가장 중요한 주요 변수를 도출하였다.
머신러닝을 이용한 수계별 퇴적물 산소소모율 예측 모델 구축
오해성,심선희,이선렬,최정현 한국퇴적환경준설학회 2023 한국환경준설학회 학술대회논문집 Vol.2023 No.5
하천 퇴적물은 유기물과 영양염류가 용출되며 산소를 소비하거나, 식물성 플랑크톤 등을 통해 간접적으로 산소를 소비한다. 퇴적물에서의 산소 소모는 수질에 영향을 미칠 수 있으므로, 퇴적물이 수층에 미치는 영향을 평가하기 위해서는 퇴적물 산소소모율을 모니터링 할 필요가 있다. 퇴적물 산소소모율을 측정하기 위해 배양실험, 현장 측정 등의 방법이 사용되고 있다. 하지만 실험 방법이 복잡하고, 분석 장비 제작에 많은 비용이 요구되는 등 퇴적물 산소소모율 측정에는 여러 제한 요소가 있다. 따라서 이번 연구에서는 머신러닝 알고리즘 중 extreme gradient boosting(XGBoost)을 이용하여 수계별 퇴적물 산소소모율 예측 모델을 구축하였으며, 퇴적물 산소소모율에 더 많은 영향을 미치는 요인을 선정하였다. 머신러닝 모델 구축을 위한 입력 자료로 2016년부터 2022년까지 낙동강, 금강 영산강에서 측정한 퇴적물 산소소모율과 퇴적물 및 수층의 물리화학적 특성 자료, 수질측정망 자료를 사용하였다. 구축한 수계별 퇴적물 산소소모율 예측 모델은 훈련, 보정, 검정에서 R2가 0.8 이상으로 우수한 성능을 보였다. 낙동강, 금강, 영산강에서 퇴적물 산소소모율 예측모델 기여도가 가장 높은 인자는 각각 암모니아성 질소 용출률, 수층 COD, 저층 DO였다.