인공지능 모델을 활용한 실시간 수질평가지수 예측

1. 서 론

지속적인 해양 개발·이용행위가 증가하면서 해양의 오염부하가 가중되고 있다. 해양오염은 해양건강성을 위협하고 해양생태계를 훼손시킬 수 있다. 해양을 지속가능하게 보전·관리하기 위하여 우리나라는 해양환경정보를 제공하고 있다. 이중 연안 오염우심지역의 해양환경 상태를 상시적으로 감시하는 해양수질자동측정망(real-time water quality monitoring system, RWQMS)을 2005년부터 운영하고 있다. 해양수질자동측정망 자료는 연안오염총량관리 수립·시행, 육상기인오염원 및 기후변화 감시 등에 활용되고 있다. 해양수질자동측정망의 조사 정점은 인천시화 3기(시화조력, 시화반월, 인천송도), 마산 3기(마산삼귀, 마산봉암, 마산양덕), 광양 3기(광양망덕, 광양초남, 광양적량), 부산(부산수영), 새만금, 울산(울산온산), 한강하구(인천강화), 낙동강하구 2기(낙동을숙, 낙동명지), 영산강하구 2기(영산영암, 영산목포), 금강하구, 천수만이 있다. 수질·기상측정센서는 수온(temperature), 염분(salinity), 수소이온농도(pH), 전기전도도(electrical conductivity, EC), 용존산소(DO), 탁도(turbidity), 엽록소 a(Chlorophyll a, Chl-a), 남조류(blue-green algae, BGA)를 5초 간격으로 측정하여 측정망에 5분 평균한 값을 제공한다. 수질측정장치는 화학적산소요구량(chemical oxygen demand, COD), 총 질소(total nitrogen, TN), 총인(total phosphorus, TP), 암모니아성질소(NH₃-N), 질산성질소+아질산성질소(NO₃-N+NO₂-N), 규산규소(SiO₂-Si)를 1시간 간격으로 측정하여 측정망에서 제공한다. 확정자료에서는 기상자료(일사량, 기온, 상대습도, 풍속, 풍향, 강수량)와 인산염인(PO₄-P) 자료를 추가로 제공한다. 해양환경측정망(marine environment monitoring system, MEMS)은 연안 및 근해역의 해양환경 상태를 평가하기 위해 연 4회(2, 5, 8, 11월) 수심, 표층과 저층의 수온, 염분, pH, DO, COD, NH₃-H, NO₂-N, NO₃-N, 용존무기질소(dissolved inorganic nitrogen, DIN), TN, 용존무기인(dissolved inorganic phosphorus, DIP), TP, SiO₂-Si, 부유물질(suspended solids, SS), Chl-a와 투명도(Secchi disk depth, SD), 수질평가지수(water quality index, WQI) 등급 자료를 제공하고 있다.

우리나라는 해양수산부고시 제2018-10호「해양환경기준」의 생태기반 해수수질 기준을 바탕으로 WQI를 계산하여 수질을 평가하고 있다. 생태구별 기준값에 대하여 5개 수질 항목(투명도, 저층 DO, 표층 DIN, DIP, Chl-a)의 점수를 대입하여 WQI를 산정한다. WQI를 통해 부영양화의 인과관계를 종합적으로 고려하여 직관적인 해양환경 평가를 할 수 있다. 하지만 해양수질자동측정망에서는 이중 표층 Chl-a 이외의 자료는 제공하지 않아 WQI를 계산할 수 없다. Jeon et al.[2020]은 광양만의 해양수질자동측정망(광양적량) 수질 자료와 해양환경측정망 WQI 등급 자료를 결합한 자료를 활용하여 학습한 기계학습(machine learning, ML) 및 인공신경망(artificial neural network, ANN) 기반 모델로 해양수질자동측정망자료의 WQI 등급을 예측했다. 하지만 해양환경측정망과 해양수질자동측정망 자료는 조사일자가 동일하더라도 채수 위치, 조사 시간, 시험조건 및 방법이 상이하여 오분류(misclassification)된 WQI 등급으로 모델이 훈련(train)하는 문제가 있을 수 있다.

이 연구에서는 해양환경측정망 자료를 바탕으로 보정(calibration)을 하고 이상치(outlier)를 제거한 해양수질자동측정망 자료의 WQI를 예측하고자 한다. Kulisz et al.[2021]은 ANN 모델의 입력변수(input variable)를 선택하기 위해 지하수 수질자료를 이용하여 다중선형회귀(multiple linear regression, MLR) 모델을 통해 WQI를 예측하고 개별 예측값에 대해 Cook의 거리(Cook’s distance)를 계산하여 이상치를 제거했다. 해양환경측정망 자료를 훈련한 모델로 보정된 해양수질자동측정망 자료의 WQI를 예측하였을 때 오염우심지역의 수질을 실시간으로 보다 정확하게 평가할 수 있을 것이다. Park et al.[2013]은 실시간 해양환경 분석 및 예측 시스템 모델을 개발하기 위하여 통영지역의 10년 적조자료를 서포트 벡터 머신(support vector machine, SVM), 역전사신경망(back propagation neural network, BPNN), 나이브 베이즈 분류기(Naive Bayes classifier, NBC) 모델로 예측한 결과 NBC에서 가장 높은 예측 정확도를 보였다. Lee et al.[2018]은 이네비게이션(e-Navigation) 선박에서 실시간으로 수집된 해양환경 빅데이터(big data)를 효율적으로 처리·해석할 수 있는 방안으로 앙상블(ensemble) 기법과 딥 러닝(deep learning) 기법을 제안했다. Kim et al.[2022]은 해양환경측정망 자료를 학습한 ML 기반 모델을 이용하여 시화호의 WQI 등급을 예측하였고 모델의 입력변수를 축소하여도 높은 정확도로 예측했다.

또한 WQI 등급 보다는 WQI를 예측한다면 보다 정밀하게 수질상태를 실시간으로 진단할 수 있다. Gazzaz et al.[2012]은 quick propagation(QP) 훈련 알고리즘 기반 ANN 모델로 강의 10년 수질자료를 학습하여 WQI를 예측하고 평가한 결과 최적 뉴런(neuron)의 수, 학습률(learning rate), QP 계수를 도출했다. Hameed et al.[2017]은 방사형 기저 함수 신경망(radial basis function neural network, RBFNN)과 BPNN 모델로 강의 10년 수질자료를 학습하여 WQI를 예측한 결과 RBFNN의 예측 정확도가 더 높았다. Yaseen et al.[2018]은 12년 강의 수질자료를 다양한 최적화(optimization) 방법과 결합한 적응형 신경 퍼지 추론 시스템(adaptive neuro fuzzy inference system, ANFIS) 모델로 학습하여 WQI를 예측한 결과 매우 좋은 성능을 보였다. Li et al.[2019]은 반딧불 알고리즘(firefly algorithm, FFA)으로 최적화된 서포트 벡터 회귀(support vector regression, SVR) 모델로 강의 10년 수질자료를 학습한 결과 단일 SVR 모델보다 더 좋은 성능을 보였다. Bui et al.[2020]은 저수지의 6년 수질자료를 M5P, 랜덤 포레스트(random forest, RF), 랜덤 트리(random tree, RT), reduced error pruning tree(REPT)와 배깅(bagging, BA), cross-validation parameter selection(CVPS), randomizable filtered classifier(RFC) 최적화 방식을 혼합(hybrid)한 알고리즘 기반 모델로 학습한 결과 BA-RT 모델의 WQI 예측성능이 가장 우수하였다. Abba et al.[2020]은 extreme gradient boosting(XGBoost), 유전 프로그래밍(genetic programming, GP), 선형회귀(linear regression, LR), 단계적 선형회귀(step wise linear regression, SWLR), 극학습기계(extra learning machine, ELM) 알고리즘 기반 모델로 강의 12년 수질자료를 학습하여 WQI를 예측한 결과 GP 변수선택 기반 ELM 모델의 예측 정확도가 가장 높았다. Asadollah et al.[2021]은 강의 20년 수질자료를 학습한 앙상블 ML 알고리즘인 extra tree regression(ETR) 모델의 WQI 예측성능을 SVR, 결정트리회귀(decision tree regression, DTR) 모델과 비교한 결과 ETR > SVR > DTR 순의 예측 정확도를 보였다. Kouadri et al.[2021]은 민감도 분석(sensitivity analysis)를 통해 선택된 변수의 수질자료만을 학습한 MLR, RF, M5P, 랜덤 서브 스페이스(random subspace, RSS), 추가 회귀(additive regression, AR), ANN, 서포트 벡터 회귀(support vector regression, SVR), 국소가중선형회귀(locally weighted linear regression, LWLR) 모델로 지하수의 WQI를 예측한 결과 RF 모델이 가장 우수한 예측성능을 보였다. Abba et al.[2022]은 유전 알고리즘-인공신경망(genetic algorithm-emotional artificial neural network, GA-EANN) 모델을 BPNN, MLR 모델과 WQI 예측성능을 비교하였을 때 더 적은 입력변수로 WQI를 정확하게 예측했다. Khozani et al.[2022]은 다층퍼셉트론(multi-layer perceptron, MLP), 장단기메모리(long short term memory, LSTM), 합성곱 신경망(convolutional neural network, CNN) 모델로 강의 10년 수질자료를 학습하여 WQI를 예측한 결과 LSTM 모델의 예측 정확도가 가장 높았다. Khan et al.[2022]은 1년 동안 측정한 호수의 수질자료를 LR, gradient boosting regression(GBR), RF, SVR 모델로 학습하여 WQI를 예측한 결과 SVR 모델이 가장 좋은 성능을 보였다.

이 연구에서는 「해양환경관리법」 제15조 1항에 따라 지정된 특별관리해역 중 부산연안, 광양만, 마산만, 시화호, 인천연안의 WQI를 각 해역의 해양수질자동측정망 자료로 예측하고자 한다. 향후 인공지능 모델의 연속 관측자료 학습으로 WQI를 예측하여 실시간 생태기반 해양환경 평가·감시가 가능할 것이라 판단된다.

2. 연구 방법

2.1 대상 지역

연구 지역은 「해양환경관리법」 제15조 1항에 따라 지정된 특별관리해역 중 5개 해역(부산연안, 광양만, 마산만, 시화호, 인천연안)이다. 여기서 특별관리해역은 해양환경기준 유지가 어려운 해역 또는 해양환경 및 생태계의 보전에 현저한 장애가 있거나 장애를 초래할 우려가 있는 해역을 의미한다. 생태구(ecological region) 별로는 부산연안, 광양만, 마산만은 대한해협(Korea Strait) 생태구, 시화호, 인천연안은 서해중부(Central West) 생태구로 분류된다. 특히, 특별관리해역 내 오염이 심각한 지역은 집중적인 해양환경관리를 위해 해양수질자동측정소를 운영하고 있다. 이 연구에서는 특별관리해역 중 5년 이상 해양수질자동측정망 자료를 확보할 수 있는 오염우심지역(부산수영, 광양적량, 마산삼귀, 시화조력, 시화반월, 인천송도)의 실시간 WQI를 예측하고자 한다. 울산연안도 특별관리해역에 해당하나 해양수질자동측정망(울산온산)이 운영되지 않은 시기가 많고 수질자동측정장치에서 해양 수질평가에 중요한 지표인 COD, TN, TP, NH₃-N은 측정하고 있지 않아 대상지역에서 제외했다. 해양수질자동측정망 미운영 시기가 많거나 측정항목이 적은 측정소(광양망덕, 광양초남, 마산봉암, 마산양덕, 인천강화)도 제외했다. 보정에 필요한 자료를 확보하기 위해 해양수질자동측정소를 기준으로 직선거리가 가장 가까운 해양환경측정망 정점을 선정했다. Table 1은 이 연구의 대상지역인 해양수질자동측정망 정점과 해양환경측정망 정점에 대한 경위도 좌표 정보이다.

Table 1.

Information on study sites

2.2 모델 학습 자료

2.2.1 자료 수집 및 전처리

해양환경측정망 자료(부산연안, 광양만, 마산만, 시화호, 인천연안)를 해양수산부 해양환경정보포털에서 수집했다. 해역별 해양환경측정망 자료의 정보는 Table 2와 같다. 해역별 해양환경측정망 자료 중 표층 수온(Temp_Sur), 수소이온농도(pH_Sur), 용존산소(DO_Sur), 부유물질(SS_Sur), 염분(Salinity_Sur), 화학적산소요구량(COD_Sur), 엽록소 a(Chl-a_Sur), 암모니아성질소(NH₃-N_Sur), 질산성질소(NO₃-N_Sur), 총질소(TN_Sur), 용존무기인(DIP_Sur), 총인(TP_Sur), WQI 자료를 훈련용 자료(training dataset)로 사용했다. 2021년 8월까지 확정된 해양수질자동측정망(부산수영, 광양적량, 마산삼귀, 시화반월, 시화조력, 인천송도) 자료도 해양환경정보포털에서 수집했다. 측정소 별로 미운영 시기가 있었으나 5년 이상의 자료(부산수영 : 2013-2016, 2018-2021; 광양적량 : 2014, 2017-2021; 마산삼귀 : 2014-2021; 시화반월 : 2013-2015, 2017-2021; 시화조력 : 2013-2021; 인천송도 : 2017-2021)를 확보하였다. 해역별 해양환경측정망과 동일한 조사 일시의 해양수질자동측정망 자료 중 표층 수온(Temp_Sur), 수소이온농도(pH_Sur), 용존산소(DO_Sur), 탁도(Turbidity_Sur), 염분(Salinity_Sur), 화학적산소요구량(COD_Sur), 엽록소 a(Chl-a_Sur), 암모니아성질소(NH₃-N_Sur), 질산성질소(NO₃-N_Sur), 총질소(TN_Sur), 인산염인(PO₄-P_Sur), 총인(TP_Sur) 자료를 추출했다. 해역별 해양수질자동측정망 정점과 가장 인접한 해양환경측정망 정점의 자료를 추출하여 동일 조사일시에 측정된 해양수질자동측정망 자료와 결합했다. 결합한 자료에서 수질항목 별로 결측치(missing value)를 제거했다.

Table 2.

Information on ocean environment monitoring datasets for modeling

2.2.2 자료 보정

개별 수질항목에 대해 해양수질자동측정망 자료를 설명변수(x, explanatory variable), 해양환경측정망 자료를 반응변수(y, response variable)로 설정하여 단순선형회귀분석(simple linear regression)을 수행했다. 여기서 해양수질자동측정망 자료 중 탁도(Turbidity_Sur), 인산염인(PO₄-P)은 각각 해양환경측정망 자료 중 연관성이 있는 부유물질(SS_Sur), 용존무기인(DIP_Sur)에 대응시켰다. 회귀분석 결과를 통해 Eq. 1과 같이 레버리지(h, leverage)값을 계산할 수 있다. 레버리지는 특정 설명변수 값이 다른 설명변수 값과 얼마나 떨어져 있는지 나타내는 척도이다. 여기서 i는 관측(observation) 번호(index), n은 관측의 수, H는 투영행렬(projection matrix), x는 설명 변수 값, X는 [관측치×설명변수] 크기의 설계행렬(design matrix), T는 전치행렬(transposed matrix)을 의미하며 결론적으로 h_ii는 투영 행렬 H의 i번째 대각 원소(diagonal element)로 i번째 관측의 레버리지 값을 의미한다.

$\[ h_{ii}={\left|H\right|}_{ii}=x_i{\left(X^{T}X\right)}^{-1}{x}_i^T,\left(i=\mathrm{1,2},...,n\right) \]$

(1)

이를 i번째 설명변수 값(x_i)과 설명변수 값들의 평균 간 가중 거리(weighted distance)로 나타내면 i번째 반응변수 값(y_i)이 i번째 예측값(predicted value, $$ {\widehat{y}}_i$$)에 미치는 영향을 Eq. 2와 같이 표현될 수 있다.

$\[ h_{ii}=\frac{\partial {\widehat{y}}_i}{\partial y_i} \]$

(2)

오차(ε, error)는 모집단(population)의 회귀분석 결과 실제값(true value)과 예측값의 차이로 정의하고 잔차(residual, $$ \widehat{\text{ε}}$$)는 표본집단(sample)의 회귀분석 결과 실제값과 예측값의 차이로 설명된다. 잔차의 분산(variance)을 레버리지로 표현을 하면 Eq. 3과 같다. 여기서 $$ var\left({\widehat{\text{ε}}}_{ i}\right)$$은 i번째 잔차의 분산, σ²는 오차의 분산을 의미한다.

$\[ var\left({\widehat{\text{ε}}}_i\right)={\text{σ}}^2\left(1-h_{ii}\right) \]$

(3)

오차의 분산은 입력변수 값에 따라서 같을 수 있지만 잔차의 분산은 모든 입력변수 값에서 다르다. 그러므로 잔차를 오차의 표준편차 추정값($$ \widehat{\text{σ}}$$)과 레버리지로 나누어 표준화한 잔차(Studentized residual, t_i)는 Eq. 4와 같다.

$\[ t_i=\frac{{\widehat{\text{ε}}}_i}{\widehat{\text{σ}}\sqrt{1-h_{ii}}} \]$

(4)

이 연구에서는 이상치(outlier)를 제거하기 위하여 Fox의 이상치 추천법(Fox’s outlier recommendation)에 따라 Cook의 거리를 비교했다. Cook의 거리는 잔차와 레버리지 값이 큰 특정 관측치가 선형회귀모델 계수(parameter)의 최소자승(least square) 결정에 미치는 영향력(influence)을 평가하는 값이다(Cook[1977]). 특정 관측에 대해 잔차와 레버리지 값이 클수록 Cook의 거리가 커지고 이상치에 가깝다. Cook의 거리는 Eq. 5를 통해서 계산할 수 있다. 여기서 $$ {\widehat{y}}_{j\left(i\right)}$$는 i번째 관측을 제거할 때 예측값, s²은 회귀모델의 평균제곱오차(mean squared error, MSE)를 의미한다. p는 개별 관측치에 대한 예측변수(predictor)의 수이다.

$\[ D_i=\frac{\sum _{j=1}^n{\left({\widehat{y}}_j-{\widehat{y}}_{j\left(i\right)}\right)}^2}{p{s}^2} \]$

(5)

마지막으로 Cook의 거리(D_i)는 Eq. 6과 같이 레버리지와 표준화된 잔차로 표현할 수 있다.

$\[ D_i=\frac{e_i^2}{p{s}^2}\left[\frac{h_{ii}}{{\left(1-h_{ii}\right)}^2}\right]=\left[\frac{1}{p}\right]t_i^2\frac{h_{ii}}{1-h_{ii}} \]$

(6)

Cook의 거리 한도(cutoff)는 통상적으로 4/n을 사용하고 있다. 이 연구에서도 개별 관측치에 대해 Cook의 거리를 계산하여 4/n 이상인 경우 이상치로 간주했다. 개별 입력변수의 선형회귀모델에서 더 이상 이상치가 발생하지 않을 때까지 이상치 제거 작업을 반복했다. 이상치 제거 단계 마다 수질항목 별 결정계수(coefficient of determination, R²)를 비교하여 결정계수가 가장 큰 선형회귀식을 이용하여 해양수질자동측정망 자료를 보정했다. 해양수질자동측정망 자료가 해양환경측정망 자료에 대한 설명력이 충분하지 않은(결정계수가 작은) 변수는 학습에서 제외하였다. 보정한 해양수질자동측정망 자료와 동일한 조사시기의 해양환경측정망 자료 중 WQI 자료를 결합하여 평가용 자료(testing dataset)로 사용했다.

2.4 교차검증 및 하이퍼파라미터 튜닝

이 연구는 XGBR, ETR, ANN의 최적 하이퍼파라미터(hyperparameter)를 탐색하기 위해 GridSearchCV라는 교차검증(cross validation, CV) 기반 하이퍼파라미터 튜닝(tuning) 방식을 사용하였다. 각 모델 별로 하이퍼파라미터 그리드(grid)를 구성하고 교차검증 시 폴드(fold) 수는 5로 설정하였다. 이외의 알고리즘 기반 모델은 기존 문헌에서 보고된 최적 하이퍼파라미터들을 대상으로 trial-and-error 방식으로 수정하여 학습하였다. 인공신경망 기반 모델의 손실함수는 회귀모델에 주로 사용되는 평균절대비오차(mean absolute percentage error, MAPE)로 설정하였다. Table 3은 이 연구에서 사용한 최적 하이퍼파라미터이다. 여기서 kernel은 커널함수, gamma는 커널 상수(kernel coefficient), C는 정규화 계수(regularization parameter), learning_rate는 학습률, n_estimator는 나무의 수, criterion은 노드 분리 품질(quality of split) 평가 기준, optimizer는 신경망 학습 최적화 방법, epochs는 전체 자료에 대한 학습 수, batch_size는 1 epochs에 사용되는 학습 표본 수, hidden_units은 은닉층 노드의 수, random_type은 가중치 초기화 방법, num_generation은 유전 알고리즘 세대수이다.

Table 3.

Optimized hyperparameters for each model

2.5 모델 성능 평가

이 연구는 모델의 WQI 예측성능을 평가하기 위해 기존 문헌에서 공통으로 사용한 평균 제곱근오차(root mean square error, RMSE), 평균절대오차(mean absolute error, MAE)를 평가지표(metrics)로 사용하였다(Li et al.[2019], Bui et al.[2020], Khozani et al.[2022]). 각 평가지표의 계산식은 Eq. 39-40과 같다.

$\[ RMSE=\sqrt{\frac{1}{N}\sum _{i=1}^N\left(y_i-{\widehat{y}}_i\right)} \]$

(39)

$\[ MAE=\sqrt{\frac{1}{N}\sum _{i=1}^N\left|y_i-{\widehat{y}}_i\right|} \]$

(40)

이 연구의 WQI 모델 예측 방법을 Fig. 1에 도식화하였다.

Fig. 1.

A comprehensive framework for WQI prediction.

3. 결과 및 고찰

3.1 실험결과

해양수질자동측정망 자료를 보정한 결과 부산수영 5개(Temp_Sur, DO_Sur, TP_Sur, NH₃-N_Sur, DIP_Sur(PO₄-P_Sur)), 광양적량 4개(Temp_Sur, DO_Sur, Salinity_Sur, COD_Sur), 인천송도 4개(Temp_Sur, DO_Sur, TN_Sur, NH₃-N_Sur), 마산삼귀 7개(Temp_Sur, pH_Sur, DO_Sur, Chl-a_Sur, TP_Sur, NO₃-N_Sur, DIP_Sur(PO₄-P_Sur)), 시화반월 5개(Temp_Sur, DO_Sur, Salinity_Sur, Chl-a_Sur, TN_Sur), 시화조력 6개(Temp_Sur, DO_Sur, Chl-a_Sur, TP_Sur, DIP(PO₄-P_Sur), SS_Sur(Turbidity_Sur))의 변수를 선택하여 자료를 학습에 사용하였다. 모든 해역에서 공통으로 선택된 변수는 Temp_Sur, DO_Sur이다. 해양수질자동측정망 자료의 이상치 제거 후 변수 간결정계수를 비교한 결과 해양환경측정망 자료에 대한 해양수질자동측정망 자료의 설명력은 모든 측정소에서 Temp_Sur이 가장 컸다(R²:0.87−0.99). 해역별로 비교하면 마산삼귀 측정소에서 가장 컸다(R²:0.994). 다음 순서로 DO_Sur이 컸으나 해역별로 편차가 컸다(R²:0.27−0.75). 해역별로 비교하였을 때 인천송도 측정소에서 가장 컸다(R²:0.748). 이외 변수들은 해역별로 결정계수가 매우 상이하였다.

훈련자료인 해양환경측정망 자료에서 해역별로 선택된 입력변수와 WQI의 상관관계(correlation)는 Fig. 2와 같다. 부산연안(Busan) 자료에서는 DO_Sur, TP_Sur과 WQI가 강한 상관관계를 보였다(Fig. 2a). 광양만(Gwangyang) 자료에서는 Salinity_Sur, Temp_Sur과 WQI가 강한 상관관계를 보였다(Fig. 2b). 인천연안(Incheon) 자료에서는 TN_Sur, NH₃-N_Sur과 WQI가 강한 상관관계를 보였다(Fig. 2c). 마산만(Masan) 자료에서는 Temp_Sur, TP_Sur과 WQI가 강한 상관관계를 보였다(Fig. 2d). 시화반월(Sihwa_Banweol) 자료에서는 Salinity_Sur, TN_Sur과 WQI가 강한 상관관계를 보였다(Fig. 2e). 시화조력(Sihwa_TPP) 자료에서는 TP_Sur, Temp_Sur, DIP_Sur과 WQI가 강한 상관관계를 보였다(Fig. 2f). 해역별로 입력변수와 WQI의 상관관계는 상이하였다. WQI 계산에 사용되는 변수인 Chl-a_Sur, DIP_Sur은 WQI와 약한 상관관계를 보였다.

Fig. 2.

Correlation matrix between selected variables and WQI.

해역별 훈련자료 중 WQI의 분포는 Fig. 3과 같다. 마산만의 경우 다른 해역에 비해 WQI가 큰(수질이 나쁜) 자료의 비율이 높았다(Fig. 3d). 부산연안, 광양만, 인천연안은 WQI 20 초반 값이 가장 많았고 다음으로 WQI 20 후반 또는 30 초반의 자료가 많았다(Fig. 3a-c). 시화호는 WQI 30 초반 자료가 가장 많았고 다음으로 WQI 20 초반 자료가 많았다(Fig. 3e-f). 자료의 수와 WQI 분포를 고려할 때 부산연안의 수질이 가장 좋은 것으로 판단된다.

Fig. 3.

Histogram for WQI in training datasets.

MLR, SVR, XGBR, ETR, ANN, ELM, NFN, ANFIS, GANN 알고리즘 기반 WQI 예측 모델의 WQI 예측성능을 평가·비교했다. 최적 하이퍼파라미터로 학습한 개별 모델의 예측성능은 Table 4와 같다. 부산수영 측정소에서는 SVR, 광양적량 측정소는 ELM, 인천송도와 마산삼귀 측정소는 ETR, 시화반월 측정소는 RMSE 기준 GANN, MAE 기준 ANFIS, 시화조력 측정소는 RMSE 기준 SVR, MAE 기준 ANFIS 모델의 WQI 예측성능이 가장 우수하였다. MAE보다 RMSE가 큰 오차에 덜 민감하여(robust) 비교하기 유리하다.

Table 4.

Performance metrics for WQI predictive models in testing phase

측정소 별로 결과를 비교하였을 때 MLR, SVR, XGBR, ETR, ANN, ELM 모델은 시화반월 측정소에서 예측 오차가 가장 크게 나타났고 퍼지논리 기반의 인공신경망(NFN, ANFIS) 모델은 마산 삼귀 측정소, 유전 알고리즘 기반 인공신경망(GANN) 모델은 시화 조력 측정소에서 오차가 가장 컸다. 이 연구 결과에서는 측정소 별로 훈련자료와 평가자료의 수에 차이가 있어 특정 알고리즘 모델의 예측 오차에 대한 비교보다는 개별 측정소에 적합한 WQI 예측 알고리즘을 선별하고자 한다.

해역별 모델의 예측값(predicted value)과 실제값(true value) 간의 시각적 비교는 Fig. 4와 같다. 부산수영 측정소의 모델 WQI 예측 결과 의사결정 나무 기반 앙상블 모델인 XGBR, ETR 모델은 WQI를 과대평가(overestimate)하여 예측하는 경향이 있었다(Fig. 4a). 이외 모델은 실제 WQI가 40인 자료는 WQI를 과소평가(underestimate)하여 예측하였고 실제 WQI가 26, 35인 자료는 과대평가하는 경향을 보였다. 실제 WQI와 모델에 따라 예측성능이 매우 상이하였다. 성능이 가장 우수한 SVR 모델은 중간 수준의 WQI(30, 36)는 근사하게(approximately) 예측을 하였으나(오차율<3%), 최대값(40), 최소값(26)에서는 큰 오차를 보였다(오차율>15%). SVR은 실제 높은 수준의 WQI를 가진 자료의 WQI 예측성능이 낮은 것으로 판단된다. 오히려 실제 WQI 최대값에서는 앙상블 모델이나 ELM 모델의 예측값이 실제값에 더 근접하였다.

Fig. 4.

Time variation plot for predicted and true values in testing phase with water quality datasets observed by each station(Black solid line means true values and dash lines colored as blue(MLR), orange(SVR), green(XGBR), red(ETR), purple(ANN), brown(ELM), pink (NFN), olive(ANFIS), and cyan(GANN) are for predicted values by each model).

광양적량 측정소의 모델 WQI 예측 결과 실제 WQI가 매우 낮은 자료(20)에 대해 모든 모델에서 WQI를 과대평가하여 예측하였다(Fig. 4b). 이 경우 좋은 수질이 나쁘게 판단될 수 있는 오류를 범할 수 있다. 반대로 최대값(48)에서는 XGBR, ANN, GANN 모델을 제외하고 예측 오차가 작았다(오차율<10%). 실제 WQI가 높은 시기에는 보정 후 선택한 변수의 자료만으로 WQI를 예측할 수 있다고 판단된다. 성능이 가장 우수한 ELM 모델은 실제 WQI 29, 48인 일부 자료에서는 근사하게 예측하였으나(오차율<8%), 예측의 일관성(consistency)이 부족하였다.

인천송도 측정소의 모델 WQI 예측 결과 실제 WQI가 40보다 높은 자료는 WQI를 과소평가하여 예측하는 경향을 보였다(Fig. 4c). 반대로 30미만의 실제 WQI를 가진 자료는 과대평가하여 예측하는 경향을 보였다. 예측성능이 가장 우수한 ETR 모델은 실제 WQI가 높은 자료(58-60)에서 예측의 일관성이 부족하였다.

마산만은 타 해역보다 수질이 나쁜(WQI가 높은) 해역이다(Fig. 3d). 그러므로 WQI가 높은 시기의 실시간 수질 감시가 중요하다. 하지만 마산삼귀 측정소의 모델 중 가장 우수한 ETR 모델은 실제 WQI가 높은 자료(60 이상)에 대해 예측성능이 낮았다(Fig. 4d). 실제 WQI가 49인 자료에 대해서는 예측 오차가 매우 작았다(오차율: 0.7%). 하지만, 예측의 일관성이 부족하였다.

시화반월 측정소의 WQI 예측 모델은 실제 WQI 최대값(66)인 자료의 WQI를 과소평가하여 예측하였다(Fig. 4e). 성능이 가장 우수한 GANN 모델에서도 큰 예측 오차를 보였다(오차율>20%).

시화조력 측정소에서는 실제 WQI 최대값(56)인 자료는 모든 모델이 WQI를 과소평가하여 예측하였다(Fig. 4f). 성능이 가장 우수한 SVR 모델도 높은 수준의 실제 WQI에서는 과소평가하여 예측하였다. 반면 실제 WQI가 26-34인 구간에서는 비교적 오차가 작았다(오차율<14%).

4. 결 론

이 연구에서는 특별관리해역에서 운영하고 있는 해양수질자동측정망(부산수영, 광양적량, 마산삼귀, 인천송도, 시화반월, 시화조력) 자료를 해양환경측정망 자료를 이용하여 보정하였다. 보정한 자료의 품질에 따라 학습에 사용할 변수를 선택하였다. 선택된 변수의 해양환경측정망(부산연안, 광양만, 마산만, 시화호, 인천연안) 자료를 다양한 알고리즘(MLR, SVR, XGBR, ETR, ANN, ELM, NFN, ANFIS, GANN) 기반 모델로 훈련하였다. 그리고 보정한 해양수질자동측정망 자료의 WQI를 예측하여 훈련된 모델을 평가하였다. 모델 성능 평가 결과 해역별로 WQI가 높은 구간에서는 예측성능이 낮고 일관성이 부족하였다. 훈련용 타깃 자료의 클래스 불균형(imbalance), 측정 불확실성(measurement uncertainty), 자료의 결여, 미흡한 보정 품질이 예측성능 저하의 원인으로 판단된다. 자료의 양과 질을 고려하고 보정방식을 보완하여 모델을 학습한다면 예측성능을 개선할 수 있다고 판단된다. 또한 부영양화 이외의 해양환경 문제(빈산소, 고수온, 오염물질 방류 등)와 관련된 변수도 고려한다면 실시간으로 해양환경을 감시하여 해양오염사고를 예측하고 대응할 수 있을 것이다. 현장에서 센서를 통해 실시간으로 수집한 수질 자료를 이용하여 학습된(data-driven) 모델로 즉각적으로 예측하는 것이 기존 모델(i.e. process-based model)보다 의사결정(decision-making) 시간을 단축할 수 있다(Mohammed et al.[2022]).

Acknowledgments

이 논문은 2022년도 정부(해양수산부)의 재원으로 해양수산과학기술진흥원-해양유해물질오염원 추적기법개발 사업 지원을 받아 수행된 연구임(KIMST-20220534).

References

• Abba, S.I., Abdulkadir, R.A., Sammen, S.S., Pham, Q.B., Lawan, A.A., Esmaili, P., Malik, A. and Ansari, N.A., 2022, Integrating feature extraction approaches with hybrid emotional neural networks for water quality index modeling, Applied Soft Computing, 114, 108036. [https://doi.org/10.1016/j.asoc.2021.108036]
• Abba, S.I., Hadi, S.J., Sammen, S.S., Salih, S.Q., Abdulkadir, R.A., Pham, Q.B. and Yaseen, Z.M., 2020, Evolutionary computational intelligence algorithm coupled with self-tuning predictive model for water quality index determination, Journal of Hydrology, 587, 124974. [https://doi.org/10.1016/j.jhydrol.2020.124974]
• Asadollah, S.B.H.S., Sharafati, A., Motta, D. and Yaseen, Z.M., 2021, River water quality index prediction and uncertainty analysis: A comparative study of machine learning models, Journal of Environmental Chemical Engineering, 9(1), 104599. [https://doi.org/10.1016/j.jece.2020.104599]
• Buckley, J.J. and Hayashi, Y., 1994, Fuzzy neural networks: A survey, 66, 1-13. [https://doi.org/10.1016/0165-0114(94)90297-6]
• Bui, D.T., Khosravi, K., Tiefenbacher, J., Nguyen, H. and Kazakis, N., 2020, Improving prediction of water quality indices using novel hybrid machine-learning algorithms, Science of The Total Environment, 721, 137612. [https://doi.org/10.1016/j.scitotenv.2020.137612]
• Chen, T. and Guestrin, C., 2016, XGBoost: A scalable tree boosting system, KDD '16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794. [https://doi.org/10.1145/2939672.2939785]
• Cook, R.D., 1977, Detection of Influential Observations in Linear Regression, TECHNOMETRICS, 19(1). [https://doi.org/10.2307/1268249]
• Gazzaz, N.M., Yusoff, M.K. Aris, A.Z., Juahir, H. and Ramli, M.F., 2012, Artificial neural network modeling of the water quality index for Kinta River (Malaysia) using water quality variables as predictors, Marine Pollution Bulletin, 64(11), 2409-2420. [https://doi.org/10.1016/j.marpolbul.2012.08.005]
• Geurts, P., Ernst, D. and Wehenkel, L., 2006, Extremely randomized trees, Mach Learn, 63, 3-42 [https://doi.org/10.1007/s10994-006-6226-1]
• Hameed, M., Sharqi, S.S., Yaseen, Z.M., Afan, H.A., Hussain, A. and Elshafie, A., 2017, Application of artificial intelligence (AI) techniques in water quality index prediction: a case study in tropical region, Malaysia, Neural Comput & Applic 28(Suppl 1), 893–905. [https://doi.org/10.1007/s00521-016-2404-7]
• Holland, J.H., 1984, Genetic Algorithms and Adaptation. In: Selfridge, O.G., Rissland, E.L., Arbib, M.A. (eds) Adaptive Control of Ill-Defined Systems. NATO Conference Series, vol 16. Springer, Boston, MA.
• Huang, G.B., Zhu, Q.Y. and Siew, C.K., 2006, Extreme learning machine: Theory and applications, Neurocomputing, 70, 489-501. [https://doi.org/10.1016/j.neucom.2005.12.126]
• Jang, J.S.R., 1993, ANFIS : Adaptive-Network-Based Fuzzy Inference System, IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS, 23(3). [https://doi.org/10.1109/21.256541]
• Jeon, S.B., Oh, H.Y. and Jeong, M.H., 2020, Estimation of Sea Water Quality Level Using Machine Learning, Journal of Korean Society for Geospatial Information Science, 28(4), 145-152. [https://doi.org/10.7319/kogsis.2020.28.4.145]
• Khan, M.S.I., Islam, N., Uddin, J., Islam, S., and Nasir, M.K. 2022, Water quality prediction and classification based on principal component regression and gradient boosting classifier approach, Journal of King Saud University - Computer and Information Sciences, 34(8), Part A, 4773-4781. [https://doi.org/10.1016/j.jksuci.2021.06.003]
• Khozani, Z.S., Iranmehr, M. and Mohtar, W.H.M.W., 2022, Improving Water Quality Index Prediction for Water Resources Management plans in Malaysia: Application of Machine Learning Techniques, Geocarto International.
• Kim, M.G., 2017, A cautionary note on the use of Cook’s distance, Communications for Statistical Applications and Methods, 24(3), 317-324. [https://doi.org/10.5351/CSAM.2017.24.3.317]
• Kim, S.B., Lee, J.S. and Kim, K.T., 2022, WQI Class Prediction of Sihwa Lake Using Machine Learning-Based Models, J. Korean Soc. Oceanogr., 27(2), 71-86.
• Kouadri, S., Elbeltagi, A., Islam, A.R.M.T. and Kateb, S., 2021, Performance of machine learning methods in predicting water quality index based on irregular data set: application on Illizi region (Algerian southeast), Appl Water Sci, 11(190). [https://doi.org/10.1007/s13201-021-01528-9]
• Kulisz, M., Kujawska, J., Przysucha, B. and Cel, W., 2021, Forecasting Water Quality Index in Groundwater Using Artificial Neural Network, Energies, 14(18), 5875. [https://doi.org/10.3390/en14185875]
• Learning-Based Models, J. Korean Soc. Oceanogr, 27(2), 71-86.
• Lee, G.H., Park, J.H., Ha, H.K., Kim, D.W., Lee, W.J., Kim, H.T. and Shin, H.J., 2018, Methodology on e-Navigation-Assisted Ocean Monitoring and Big Data Analysis, J. Korean Soc. Oceanogr., 23(4), 204-217.
• Li, J., Abdulmohsin, H.A., Hasan, S.S., Kaiming, L., Khateeb, B.A., Ghareb, M.I. and Mohammed, M.N., 2019, Hybrid soft computing approach for determining water quality indicator: Euphrates River. Neural Comput & Applic 31, 827-837. [https://doi.org/10.1007/s00521-017-3112-7]
• Mohammed, H., Tornyeviadzi, H.M. and Seidu, R., 2022, Emulating process-based water quality modelling in water source reservoirs using machine learning, Journal of Hydrology, 609, 127675. [https://doi.org/10.1016/j.jhydrol.2022.127675]
• Park, S. and Lee, S.R., 2013, Marine Disasters Prediction System Model Using Marine Environment Monitoring, The Korean Institute of Communications and Information Sciences, 38(3). [https://doi.org/10.7840/kics.2013.38C.3.263]
• Smola, A.J. and Scholkopf, B., 2004, A tutorial on support vector regression, Statistics and Computing, 14, 199-222. [https://doi.org/10.1023/B:STCO.0000035301.49549.88]
• Takagi, T. and Sugeno, M., 1983, Derivation of Fuzzy Control Rules from Human Operator’s Control Actions, IFAC Proceedings Volumes, 16(13), 55-60. [https://doi.org/10.1016/S1474-6670(17)62005-6]
• Tiyasha, T.M. Tung and Z.M. Yaseen, 2021, Deep Learning for Prediction of Water Quality Index Classification: Tropical Catchment Environmental Assessment, Natural Resources Research, 30(6), 4235-4254. [https://doi.org/10.1007/s11053-021-09922-5]
• Yaseen, Z.M., Ramal, M.M., Diop, L., Jaafar, O., Demir, V. and Kisi, O., 2018, Hybrid Adaptive Neuro-Fuzzy Models for Water Quality Index Estimation. Water Resour Manage 32, 2227-2245. [https://doi.org/10.1007/s11269-018-1915-7]
• Zadeh, L.A., 1965, Fuzzy sets, INFORMATION AND CONTROL, 8, 338-353. [https://doi.org/10.1016/S0019-9958(65)90241-X]