Explainable AI for Water Quality Prediction and Treatment Optimization
연구 내용
수질 데이터와 DOM·수처리 공정 변수의 특성을 결합해 염소·인·부영양화 지표를 예측하고, SHAP 기반 해석과 반사실 시나리오로 목표 달성을 위한 운전 조건을 도출하는 연구
수질 관리 대상 지표의 변동 원인을 데이터 기반으로 해석하고, 운영 의사결정에 연결하는 연구를 수행합니다. 광학·구조 특성(예: UV-Vis 지표, LC-OCD 성분)과 전통 수질 인자를 입력으로 하여 머신러닝 예측 모델을 구축하고, SHAP 기반 기여도 분석과 반사실(counterfactual) 검토로 관리 레버를 제시합니다. 또한 DAF에서 응집제 투입 최적화를 위해 특징 공학과 민감도 기반 시뮬레이션을 결합하여 공정 안정성과 비용을 함께 고려하는 제어 프레임을 개발합니다. 더불어 잔류염소 농도 최적관리에서 GIS·SCADA 기반 자료를 활용한 최적 투입 전략을 설계하는 차별성을 보유합니다.
관련 연구 성과
관련 논문
2편
관련 특허
1건
관련 프로젝트
0건
연구 흐름
초기에는 수질 관리를 위한 관측 자료의 구성과 통계적 해석, 수처리 운전 변수의 영향 파악을 중심으로 기반을 구축했습니다. 이후 상수·하수처리 시스템에서 기저 특성(유기물·영양염, 소독 관련 변수)을 반영하는 예측 구조로 확장하고, 2018년에는 상수관망 잔류염소 농도 최적관리처럼 운영 의사결정과 직접 연결되는 최적화 기법을 특허로 구현했습니다. 최근에는 DOM의 광학·구조 지표를 포함한 통합 입력을 구성하고 설명가능 AI를 적용하여 예측 결과의 해석 가능성을 확보하는 방향으로 심화했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Explainable AI-based modeling of chlorophyll-a using water quality and DOM characteristics: Toward interpretable prediction and actionable management strategies
Feature-engineered machine learning for daily-scale prediction of effluent total phosphorus and coagulant dosing optimization in full-scale DAF systems
관련 특허
구분
제목
상수관망의 잔류염소농도 최적관리시스템