유전자 알고리즘을 이용한 수질측정망 설계에 관한 연구

Abstract

본 연구는 과학적인 하천관리를 위한 필수적인 수질측정망 설계 과정에 유전자 알고리즘을 적용하여 합리적인 수질측정지점 선정 방안을 제시하였다. 국내 수질측정망은 운영 초기부터 30여년이 지난 현재까지 과학적인 측정망 설계방안 부재의 문제를 안고 있으며, 주관적인 판단과 접근 용이성 등을 위주로 측정지점이 설계 및 운영되어 왔다. 그러나 최근 새로운 물관리 제도가 빠르게 도입되고, 수리 및 수질 자료의 정확성과 대표성에 대한 요구가 급증하면서 과학적인 수질측정망 설계의 필요성이 증대되고 있다. 유전자 알고리즘(Genetic Algorithm)은 주어진 문제에 대한 최적의 운영 상황 혹은 최적의 해를 찾는 탐색알고리즘의 일종으로 그 해법이 가진 단순성과 다른 문제 해결방안과의 높은 결합능력으로 최근 다양한 분야에서 활용되고 있다. 따라서 본 연구에서는 낙동강 수계를 대상으로 지리정보시스템과 유전자 알고리즘을 결합함으로써 최적의 수질측정망 설계에 대한 방안을 모색하였다. 유전자 알고리즘은 실행 초기에 임의로 발생시킨 해의 집단(염색체)에 대하여 적합도를 산출하여, 우수한 해만을 진화의 과정을 통하여 최적해를 도출한다. 따라서 유전자 알고리즘의 적합도 함수는 해당 문제의 특성을 반영해야 하므로, 본 연구에서는 수질측정망의 운영 목적에 부합하는 수계대표성, 수질기준치준수, 물이용감시, 오염원감시 및 수질변화규명의 5가지 설계 기준에 대하여 적합도 함수를 정립하였다. 수계대표성은 대상 수체의 지리적 우선순위를 반영하였고, 수질기준치 준수는 수질기준에 대한 위반 정도를 반영하는 기준이며, 물이용감시는 취수장 상류에서의 수체 감시 기능에 대한 기준, 오염원 감시는 비점오염원과 점오염원의 방류에 대한 감시를 위한 기준이고, 마지막으로 수질변화규명은 표준유역 수질의 변화 양상을 감지할 수 있는 지점을 고려한 기준이다. 유전자 알고리즘은 그 특성상 동일한 매개변수를 갖는다 하더라도, 처음 발생하는 난수에 따라 최종 결과가 다르기 때문에 반복적인 수행을 통해 최적의 매개변수를 추출하여 최종적인 최적해를 선택해야 한다. 따라서 개체크기, 세대수, 교배율, 그리고 돌연변이율의 각각에 대하여 감도 분석을 실시하고, 이들 결과를 조합한 4개 시나리오에 대한 감도 분석을 반복 수행하였다. 그 결과 개체크기 300, 세대수 4000, 교배율 0.8, 돌연변이율 0.01의 매개변수를 취할 때 가장 우수한 적합도를 얻어 최적해를 도출할 수 있었다. 유전자 알고리즘의 실행을 통하여 얻어진 결과는 지리정보시스템을 통하여 시각화하여 구체적인 지점을 표기하였다. 본 연구 결과 현재 낙동강 하천 수질측정망과 같은 110개의 지점을 추출하였을 때, 그 중 35개 지점이 현재 운영되고 지점과 일치하였다. 또한 앞으로의 확대 방안을 위하여 130, 150, 170, 190, 그리고 210개의 지점 규모의 수질측정망을 새롭게 제안하였다. 이와 같은 결과는 현재 운영되고 있는 측정망에 대한 타당성의 고찰시 반영될 수 있고, 새롭게 제안된 지점을 바탕으로 측정망의 확장안에 대한 고려가 요구되는 바이다. 본 연구를 통하여 유전자 알고리즘을 이용한 과학적인 수질측정망 설계 최적화 방안을 모색하고 적용하였으며, 이는 수질측정망 설계 및 운영에 대하여 체계적이고 합리적인 방법으로 그 활용이 기대된다. ;This paper presents a method for designing a water quality monitoring network using a Genetic Algorithm. The water quality monitoring network, after 30 years of operation of the monitoring networks, is still tended to use experience and subjective judgement in locating monitoring stations. The need to perform new system of water management has led designers to make a scientific designing of a water quality monitoring network. Genetic Algorithms with high adaptability and simplicity of their solutions have been applied to optimization problems in various fields. This study aims to propose an integrated technique of Genetic Algorithm and Geographic Information System(GIS) for designing the water quality monitoring networks. A fitness function of Genetic Algorithm is set to evaluate the alternatives for chromosome, so that the chromosome of high fitness subsists. In this study, a fitness function is defined by the linear combination of five criteria which stand for characteristics of water quality monitoring. There are five criteria - representativeness of a river system, compliance with water quality standards, supervision of water use, surveillance of pollutant-sources, examination of water quality changes. The fitness level is obtained through calculations of the fitness functions using the criteria and input data from GIS. As Genetic Algorithm is based on random searching and starting point, a series of runs with the same parameters should be performed to find the most appropriate parameters for the problems. The sensitivity analysis is performed for four parameters such number of generations, population sizes, probability of crossover, and probability of mutation. From the sensitivity analysis, four parameters are determined as number of generations of 4000, population sizes of 300, probability of crossover of 0.8, and probability of mutation of 0.01. The sensitivity analysis shows the good fitness level and a nice convergence for solutions. Applying the proposed method, a water quality monitoring network in the Nakdong river is designed with 110 stations with the same scale as current network. Only 35 candidate stations correspond to existing locations. Consequently, consideration for its expansion may be in need on propriety of a current water quality monitoring network. Results through this study demonstrate that the integrated technique of Genetic Algorithm and GIS can be utilized as a decision supporting tool in optimized design for a water quality monitoring network.