earticle

영어

Water quality prediction is a key factor in water environment management, with growing interest in utilizing machine learning and deep learning techniques. As the Ministry of Environment transitions the organic matter measurement indicator from CODmn to TOC, the importance of TOC has significantly increased. This study aims to propose optimal input variables and a prediction model for TOC concentration in Seunggi- Stream, Yeonsu-gu, Incheon. Input variables were derived using Pearson correlation analysis and Exhaustive Search. The prediction models tested include Regression Analysis, Multi-Layer Perceptron (MLP) Neural Networks, and Random Forest. Among them, the MLP model using T-N, DTN, NH3-N, BOD, and NO3-N as input variables showed the best performance, achieving an R² of 0.6280 and an RMSE of 0.8656. This study identifies optimal input variables for TOC prediction and suggests that the MLP model can provide reliable TOC predictions for streams with similar characteristics.

한국어

수질 예측은 수질 환경 관리에서 가장 중요한 요소로, 최근 다양한 기계 학습 및 딥러닝 기법을 활용한 연구가 활발히 이루어지고 있다. 환경부에서 유기물질 측정 지표를 CODmn에서 TOC로 전환하는 등 TOC에 대한 중요성이 증대됨에 따라 본 연구는 인천광역시 연수구 승기천을 대상으로 TOC 농도 예측 모델 생성을 위한 최적 입력 변수 및 예측 모델을 제안하는 것을 목표로 한다. 최적 입력 변수 선정은 Pearson 상관도 분석과 Exhaustive Search를 통해 도출하였으며, 최적 예측 모델은 회귀분석, 다층 퍼셉트 론(MLP) 인공신경망, 랜덤포레스트 모델의 정확도를 비교하였다. 모델 성능 비교 결과 T-N, DTN, NH3-N, BOD, NO3-N을 입력 변수로 사용하는 MLP 모델이 가장 우수한 성능을 보였으며, R² 값 0.6280과 RMSE 0.8656의 결과를 기록하였다. 본 연구는 승기천의 TOC 농도 예측을 위한 최적의 입력 변수를 제안함과 동시에, 앞서 언급한 다섯 가지 주요 수질 인자를 활용한 MLP 모델이 유사한 특성을 가진 다른 하천에서 도 TOC 예측에 높은 신뢰도를 제공할 수 있다는 가능성을 제시한다.