저회 혼합 모래필터의 폐색 예측을 위한 합성곱신경망 모델

Convolutional Neural Network Model for Estimating Clogging of Ash-Mixed Sand Filters

저회 혼합 모래 필터에 발생하는 공극폐색을 추정할 수 있는 딥러닝모델을 개발하였다. 필터폐색은 유출량 증가에 따른 침투율의 감소로 나타낼 수 있다. 따라서 폐색예측은 시계열 예측을 위한 상관관계 문제에 속한다. 상관관계 문제를 위한 다양한 알고리즘이 머신러닝과 딥러닝 영역에서 알려져 있다. 다양한 분야에 이들 알고리즘이 적용되었음에도 불구하고 폐색문제에의 적용은 시작단계인 것으로 보인다. 폐색에 대한 정확한 정보를 얻기 위한 신뢰도 높은 모델의 개발에는 적지 않은 연구가 필요하다. 이러한 연구의 일환으로 이 논문에서는 convolutional neural network (CNN) 폐색 모델을 개발하였다. 모델은 모래와 저회 혼합율 특성조건에서 침투유량과 침투율의 관계를 예측한다. 결과적으로 모델을 사용하여 강우유출수 침투필터의 효율적 유지관리와 안정적 운영을 위해 필요한 의미 있는 폐색 정보를 얻을 수 있었다. 또한 불확실한 기존 이론모델과 개발에 높은 비용이 소요되는 시험모델을 보완할 수 있는 방법으로서 CNN 폐색모델을 제안할 수 있었다.

A deep learning model was developed to estimate the clogging of voids in bottom-ash-mixed sand filters. Filter clogging is characterized by a decrease in the infiltration ratio with an increase in the outflow. The estimation of clogging for time-series forecasting is a regression problem. Various algorithms for regression problems have been applied through machine learning and deep learning. Despite the various algorithm applications, an application for clogging appears to be emerging. Studies are required to develop dependable models for precisely predicting clogging. A convolutional neural network (CNN) clogging model was developed in this study to estimate the relationship between the infiltration ratio and outflow quantity using features defined by the mixing ratio between sand and ash. Significant clogging data required for the effective maintenance and stable operation of stormwater infiltration filters were obtained using the proposed model. The CNN clogging model is recommended as a supplement to conventional theoretical models and expensive experimental models.