상세 보기
초록
기후변화와 환경오염으로 인하여 낙동강 녹조 문제는 심화되고 있다. 따라서, 본 연구는 녹조 문제가 심각한 낙동강 지역의 유해남조류 세포수를 예측하는 모델을 개발한다. 주요 변수에는 과거수질자료, 댐 제원 정보와 풍속, 기상관측 데이터, 폐수처리장, 공장 현황 데이터를 결합하여 사용하였다. 특징 선택으로 Wrapper 기반의 Genetic Search를 사용하였으며,예측 모델에는 Random Forest와 k-NN, SVM을 사용하였다. 예측 모델 성능은 RandomForest에서 0.880의 결정계수와 1.606의 RMSE로 가장 좋은 성능을 보였다. 본 연구는 pH,DO, BOD, COD 등의 변수를 제거하고, 새롭게 공장과 폐수처리장 위치 데이터를 써서 모델의 정확도를 높였다는 점에 의의가 있다.
키워드
녹조; 유해남조류; 머신러닝; 랜덤포레스트; k-NN; SVM; Green Algae; Harmful-Cyanobacteria; Machine learning; Random Forest; k-NN; SVM
- 제목
- 머신러닝을 활용한 낙동강 유해남조류 발생 예측
- 제목 (타언어)
- A Study on the Predicting Harmful Cyanobacteria Algal Blooms Using Machine Learning Technology – The Nakdong River Case
- 저자
- 송찬영; 김주연; 김예진; 주해종; 서재현
- 발행일
- 2023-02
- 저널명
- 한국지능시스템학회 논문지
- 권
- 33
- 호
- 1
- 페이지
- 29 ~ 36