수질 관리, 더 빠르게 더 정확하게 더 똑똑하게!
수질 관리, 더 빠르게 더 정확하게 더 똑똑하게!
대학생신재생에너지기자단 21기 이태환
[서론]
우리 일상에서 떼려야 뗄 수 없는 물. 물의 오염 여부는 시민들의 건강과 직결되기 때문에 수질 관리는 엄격하고 정확하게 이루어져야 한다. 지금까지의 수질 관리는 수질관리기술자, 즉 관리자의 역량과 경험에 크게 의존해왔다. 수질관리기술자라는 직업을 간략하게 소개하자면, 물과 관련된 시설(상수원, 정수장, 댐, 저수지)의 수질 상태를 수시로 조사하고 분석하여 수질 측정 종합 체계를 운영하는 직업을 일컫는다. 업무 중 시설들을 순회하며 수온, pH, 알칼리도, 잔류 염소 등 오염 정도를 확인할 수 있는 수질 검사를 진행하고 수질 감시를 위한 선박을 운영하고 관리한다.
[자료 1. 수질을 측정하고 있는 환경업체 직원]
출처 : 그린데일리
하지만 앞서 언급했듯 시설 운전자의 역량과 경험에 의존하는 수질 관리이기 때문에 객관성과 정확성의 보장이 어려운 실상이다. 더 나은 수질에 대한 요구가 증가하고 있기에 4차 산업혁명 시대 기술 발전에 따라 상수원이나 하수처리장에서 딥러닝 기술을 적극적으로 도입하는 움직임이 많아지고 있다.
[수질 관리 딥러닝 선행 연구 및 인공 신경망 소개]
최근 몇 년 딥러닝을 활용한 기술들이 주목받기 시작했지만, 국내에서 데이터 기반 모형으로 수질을 예측한 선행 연구는 이미 2011년부터 진행되었다. 국립한국과학원이 2011년 발표한 보고서에서 가장 단순한 형태의 인공 신경망인 MLP(Multi Layer Perceptron)를 활용해 대청호의 단기간 조류발생 시기를 예측한 결과를 알 수 있다.
국내 수질 관리에서 도입되고 있는 기술들을 알아보기 전 딥러닝 기술의 기반이 되는 인공 신경망에 대해서 알아보고자 한다. 인공 신경망(Artificial Neural Network, ANN)은 사람의 뇌 속 뉴런의 작용을 본떠 이를 바탕으로 패턴을 구성한 컴퓨팅 시스템의 일종이다. 세 개의 계층으로 분류되는데 이는 사람의 시신경 작용과 유사한 메커니즘으로 작동된다. 먼저 첫 계층은 입력 계층으로 외부에서 유입된 원시 입력 신호를 수신한다. 이어지는 은닉 계층에서는 입력 계층에서 보낸 출력을 받는데, 이는 시신경에서 멀리 떨어진 뉴런이 가장 가까운 곳의 시신경으로부터 신호를 수신하는 과정과 유사하다. 시신경과 다른 점이 있다면 입력 계층에서 입력된 데이터는 가중치 행렬이 곱해져 은닉 계층으로 전달된다. 끝으로 은닉 계층 내부에서 활성화 함수를 통해 데이터를 가공하고 이를 출력 계층으로 전달하게 된 결과를 출력한다.
[국내 인공지능 수질 관리 도입 현황]
* 한국수자원공사-한국전자통신연구원 녹조 모니터링·예측 분야 협력
한국수자원공사(K-water)와 한국전자통신연구원(ETRI)은 2018년 ‘낙동강 녹조제어 통합 플랫폼 개발 구축사업’에서 공동 과제를 수행했던 경험을 바탕으로 지난 1월 녹조 모니터링 및 예측 분야 협력 체계 구축을 위한 업무 협약을 체결했다. 한국수자원공사에서 공시한 보도 자료에 의하면 협약 주요 내용은 무인선박 기반 이동형 녹조 모니터링, 직독식 용존 총인 센서, 드론 탑재 초분광 센서 기반 광역 녹조 모니터링, 딥러닝 기반 녹조 모니터링과 예측 분야 기술개발이었다. 이하는 한국수자원공사 AI 연구소 관계자와 유선 상 인터뷰한 내용이다.
[자료 2. 한국수자원공사와 한국전자통신연구원 업무 협약 사진]
출처 : 한국수자원공사
[인터뷰 내용]
Q. 한국수자원공사에서 수질 관리 기술에 딥러닝이 어떻게 활용되고 있나요?
A. 현장에서 딥러닝 기술까지는 적용되지 않고 신경망 모형이 많이 활용되죠.
Q. 현장에서 어떤 인공신경망 기법들이 활용되고 있나요?
A. 실제 현장에서는 보통 ANN이나 RNN 수준에서 진행되고 있습니다. 수질 예측 쪽으로 활용 가능성을 보고 있는데, 기존에는 수치 해석 모델링이 주를 이뤘다면 요즘에는 통계 모델을 활용한 방향으로 개발 중에 있죠.
Q. 인공 신경망 기법을 통해서 예측한 예측값과 실측값이 어느 정도 일치하는지 알 수 있을까요?
A. 어떤 분야에서 몇 퍼센트 일치한다, 이런 통계를 내고 있지 않아 정확한 수치는 알 수 없지만 모형 효율을 평가하는 여러 기법들이 있습니다. 평가 기준에 따라 GOOD 등급 이상이면 쓸 만하다고 평가하는데 대부분의 모델들이 GOOD 등급 정도의 평가는 받고 있습니다.
Q. 인공지능 기술이 수질 관리 분야에서 상용화되기까지 현실적인 어려움이나 보완해야 할 부분은 없을까요?
A. 아무래도 데이터 확보가 가장 중요하죠. 결국 인공지능 기술에 데이터 값을 넣어야 하는데 수질 데이터 수집이 결코 쉬운 일이 아니거든요. 현장에서 배를 타고 샘플링을 하는 데에는 정말 많은 수고가 필요합니다. 또한 수질 측정 기준은 많이 정형화되어 있어서 제약도 많고요. 현실적인 어려움이 크죠.
[결론]
인터뷰를 통해 수질 분야는 아직 인공지능이 도입되기 시작하는 시기임을 알 수 있었다. 상용화되기까지 시간이 다소 걸릴 수 있지만, 더 나은 수질이라는 공동의 목표 아래 새롭게 떠오르는 기술들을 인지하고 수질 관리를 위해 수고하는 현직자들에게 박수를 보내고 관심을 가져야 한다.
수질 관리에 대한 대학생신재생에너지기자단 기사 더 알아보기
1. "녹조, 건강에는 문제 없을까?", 작성자(21기 박도현, 21기 김수현), https://renewableenergyfollowers.org/3713
2. "수도권매립지는 침출수를 어떻게 처리할까?", 작성자(19기 김다빈), https://renewableenergyfollowers.org/3545
참고문헌
[수질 관리 딥러닝 선행 연구 및 인공 신경망 소개]
1) 문현생 외 10명, "인공신경망 기법을 이용한 조류발생 조기예측기법 연구(Ⅱ)", 국립환경과학원, 2011
