인공지능 기반 미세퇴적물 플록 응집 및 미세플라스틱 거동 예측 연구

AI-driven prediction of micro-sediment floc aggregation and microplastics behavior

연구 내용

이미지 기반 머신러닝과 프랙탈 모델을 결합하여 점착성 퇴적물의 플록 형성·침강 특성과 미세플라스틱 응집 거동을 정량 예측하는 연구

미세퇴적물과 미세플라스틱은 응집 과정에서 플록(Floc)의 크기·구조가 달라지고, 그 결과 침강속도와 해역 잔류성이 변화합니다. 연구실은 퇴적환경에서 관측 가능한 플록 형성 특성을 데이터로 구축하고, 머신러닝 기반 이미지분석으로 응집 상태를 분류·정량화하는 접근을 수행합니다. 더불어 프랙탈 기반 모델을 활용해 한국형 응집 모델(K-Floc)을 구성하고, 미세플라스틱-퇴적물 상호작용을 반영한 거동 예측 체계를 개발하는 데 초점을 둡니다.

관련 프로젝트

6건

연구 흐름

점착성 퇴적물의 플록 특성을 먼저 이미지 기반 데이터로 정리하고, 머신러닝을 적용해 침강속도와 응집 상태의 관계를 도출하는 연구가 진행되었습니다. 이후 해당 데이터 기반 접근을 미세플라스틱이 포함된 응집 문제로 확장하여, 플록의 응집 특성을 재현할 수 있는 프랙탈 모델링 방향을 포함했습니다. 2025년부터는 미세퇴적물-미세플라스틱 응집 특성 규명과 한국형 응집 모델(K-Floc) 개발 과제로 구체화되어, 실험·관측 기반 학습과 예측 모델 고도화의 흐름으로 이어지고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

미세플라스틱 응집 효율 최적화
점착성 퇴적물 플록 분류체계
퇴적물-오염물 결합 거동 예측
탁도 유발 입자 거동 추정
수처리·준설 부산물 처리 공정 설계
해역별 응집 조건 판별
현장 모니터링 기반 위험도 추정
AI 파라미터 역추정
프랙탈 응집모델 기반 시뮬레이션
환경영향 평가 성능 검증