주성분 분석과 인공신경망을 이용한 인천시 상수관로의 노후도 평가

Assessment of Pipe Deterioration in Water Distribution Network of Incheon City Using Principal Component Analysis and Artificial Neural Network

최근 상수관로의 노후화로 인해 많은 누수 및 수질 사고가 발생하여 경제적 손실과 더불어 사회적인문제로 대두되고 있다. 하지만 상수관로는 지하에 매설되어 많은 내·외부적인 요인에 의해 영향을받기 때문에 정확한 부식 및 노후화 정도의 예측이 어렵다. 따라서 본 연구는 최근 상수도내 노후관로 인한 피해가 발생했었던 인천시 상수관망을 대상으로 관로의 노후도 평가항목 10개를 선정하고, 노후관로와 일반관로를 대상으로 주성분 분석과 인공신경망을 이용하여 노후도를 예측하였다. 연구결과 데이터 변환을 거치지 않은 원데이터를 입력 데이터로 이용하여 인공신경망에 적용하는 것보다 주성분 분석을 통해 산출된 주요 6개 요인을 사용하여 인공신경망에 적용하는 것이 관 노후도점수평가 정확도를 높이는 것으로 나타났다. 또한, 인공신경망 시뮬레이션 최적화를 위해 은닉층내 뉴런 수를 구분하여 시행착오를 수행한 결과 은닉층 내 12개의 뉴런이 존재할 때 결정계수가가장 높게 나타났다.

Recently, due to the deterioration of water-supply pipes, several leaks and water-quality accidents have occurred. Thus, this deterioration appears to be a social problem, incurring a huge economic loss. However, because the water-supply pipe is buried underground and affected by various internal and external factors, it is difficult to accurately predict the degree of corrosion and aging. In this study, 10 items were selected for evaluating the deterioration of pipelines in Incheon metropolitan city’s water supply network, which was recently damaged by old pipes. In addition, deterioration was predicted using principal component analysis and artificial neural networks (ANNs) for old pipelines. It was found that applying the six factors calculated through principal component analysis to ANNs improves the accuracy of scoring evaluation for assessment of deteriorated pipes. In addition, using a trial and error method to divide the number of neurons in the hidden layer for optimization of ANN simulation, the coefficient of determination was found to be the highest when 12 neurons in the hidden layer were utilized.