1.제목 및 출간논문

Prediction of urban stormwater quality using artificial neural networks 
(Environmental Modelling & Software, 24, (2009), 296-302)

2.주저자 또는 교신저자 

Daniel B. May

3.논문 내용 및 결론 요약

이 논문은 미국 전체에 걸쳐 모니터링 되지 않는 지점에서 도심지역 stormwater 수질을 예측하기 위하여 ANN 모델을 사용하였습니다. 모델 input은 MLR (Multiple Linear Regression)을 사용하여 선택되었으며 최종모델은 그들의 응용가능성을 결정하기 위하여 MLR 모델과 비교되었습니다. 모델에 사용된 parameter는 COD, Pb, SS, TKN, 및 TP 이며 각각의 regression equation은 논문 299 page에 있는 equation 7부터 11까지 입니다. Cross validation을 사용하여 최적화 하였으며 최종적으로 최적화된 모델은 training process에서 사용되지 않았던 데이터를 통해 검증되었습니다. 결과는 1) Cross validation approach를 수행하여 검증된 ANN 모델이 사용되지 않은 데이터를 통해 검증된 ANN 모델보다 더 정확했다는 것과 2) Regression model 보다도 cross validation approach가 더 정확하는 것 3) 그리고 일반 ANN 모델보다 Regression model이 정확하다는 것이였습니다. 그 Cross validation approach가 더 정확한 이유는 잠재적으로 overfitted 하기 때문이라고 제시하고 있습니다. 그러나 ANN model은 stormwater quality를 예측함에 있어 정확도가 Regression model 에 비해 이용가능한 정도가 낮은데 그 이유는 ANN 모델의 경우 1) 일반적으로 정확도가 낮으며 2) 모델을 만들기 까지 많은 시간이 소요된다는 것 입니다. 


4. 독창성 및 창의성

본 연구는 도시지역 stormwater에서 가장 문제가 되고 있는 주요 5개 항목에 대해 3가지 종류의 모델을 만들고 이들의 상호 비교를 통해 도시지역에 가장 정확한 모델과 현실적으로 만들어야 할 모델에 대해 암묵적으로 제시하고 있습니다. 일반적으로 validation은 모델 calibration에 사용된 이외의 데이터를 사용하여 검증하는데 본 연구에서는 cross validation (rotation estimation) 을 사용하여 최적의 검증을 하여 모델을 개발하였습니다.

5. 향후 우리 Lab 연구에 적용 가능한 내용 도출

비점오염과제 수행을 통해 축적된 포장지역의 데이터를 활용한 유역 유출 모델을 구축하는데 이용될 수 있으며 굳이 도시지역이 아닌 농촌지역 유출 특성을 예측하는 모델의 개발에 대해서도 충분히 응용 가능할 것으로 보여집니다. 

6. 당일논문 요약자 연락처

ichamini@gist.ac.kr