메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
주형구 (한밭대학교) 임준묵 (한밭대학교)
저널정보
대한산업공학회 대한산업공학회지 대한산업공학회지 제49권 제1호
발행연도
2023.2
수록면
95 - 106 (12page)
DOI
10.7232/JKIIE.2023.49.1.095

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The purpose of this study is to develop a machine learning-based prediction model for the value of COD, a key factor that measures the quality of sewage flowing from a sewage treatment facility. Considering that the inflowing sewage water quality data has a time-series characteristic, a machine learning model using ARIMAX, RNN, and LSTM was developed as a predictive model for COD. For each model, after learning based on big data collected from domestic J sewage treatment facility, the prediction performance was evaluated by RMSE. ARIMAX model showed an accuracy of 7.83% compared to the average, RNN was 3.62%, and LSTM was 3.56%. Overall, the LSTM model was evaluated as the best performing predictive model. If our model is used in a sewage treatment facility, it is possible to predict the sewage water quality in real time, which is expected to greatly contribute to improving the efficiency of sewage treatment.
#Sewage Treatment Facilities #Water Quality Factors #Prediction Model #Machine Learning #Bigdata #Deep Learning

목차

1. 서론
2. 기존의 하수 수질 예측 연구 및 한계점
3. 예측을 위한 알고리즘
4. 수질 빅데이터의 전처리 및 평가지표
5. 하수처리시설 수질 예측 모델의 구성 및 예측
6. 실험 결과의 분석 및 평가
7. 결론
참고문헌

참고문헌 (23)

참고문헌 신청
Bengio, Y., Courville, A., and Vincent, P. (2013), Representation Learning: A Review and New Perspectives, IEEE Trans. PAMI, 35(8), 1798-1828. google schola Beom, J., Seo, D. H., Park, M. K., and Yoon, K. S. (2019), Correlation of BOD, COD, and TOC by Land Use in the Pungyeongjeongcheon Basin, Proceedings of the Korean Society of Agricultural Engineers Conference, 255-255. google schola Cho, Y. B., Oh, Y. K., Shin, D. C., and Park, C. H. (2014), Distribution of Total Organic Carbon and Correlations between Organic Matters of Sewage Treatment Plants, Journal of Environmental Analysis, Health and Toxicology, 17(4), 207-214. google schola Hochreiter, S. and Schmidhuber, J. (1997), Long Short-Term Memory, Neural Computation, 9(8), 1735-1780. google schola Houdt, G. V., Mosquera, C., and Nápoles, G. (2020), A Review on the Long Short Term Memory Model, Artificial Intelligence Review, 53, 5929-5955. google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

인공지능 모델을 활용한 실시간 수질평가지수 예측
김수빈 ,  김경태 ,  이재성 한국해양환경·에너지학회지 2023 .02
머신러닝을 활용한 수도권 약수터 수질 예측 모델 개발
임영우 ,  엄지연 ,  곽기영 지능정보연구 2023 .03
폐수처리 공정에서의 기계학습 및 심층학습 알고리즘의 성능 비교
김재일 ,  이효섭 ,  장진욱 외 3명 대한환경공학회지 2023 .12
수질지수를 활용한 하천의 종합적인 수질 평가 연구
이상웅 ,  조부건 ,  김영도 대한토목학회 학술대회 2022 .10
악성 댓글에 대한 한국어 혐오표현 및 편견 탐지 분류 모형 결과 분석 및 개선방안 연구
이세영 ,  박새롬 대한산업공학회지 2022 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-530-000380822