Core Concepts
본 연구는 실제 하수 처리 공정을 정확하게 모사할 수 있는 시뮬레이터를 개발하여 심층 강화 학습 알고리즘 학습을 위한 가상 환경을 제공하는 것을 목표로 한다. 이를 위해 장단기 메모리 모델의 예측 오차 누적 문제를 해결하고 모델의 정확성을 향상시키는 새로운 방법론을 제안한다.
Abstract
본 연구는 하수 처리 공정의 복잡한 동적 특성을 정확하게 모사할 수 있는 시뮬레이터 개발을 목표로 한다. 기존 하수 처리 공정 예측 모델의 한계를 극복하기 위해 장단기 메모리(LSTM) 모델을 활용하였다.
LSTM 모델의 단일 단계 예측 오차 누적 문제를 해결하기 위해 두 가지 방법을 제안하였다:
모델의 예측 결과를 입력으로 활용하여 모델 학습 시 오차 보정
모델의 장기 예측 동적 특성을 고려한 손실 함수 설계
제안된 방법론을 통해 기존 LSTM 모델 대비 시뮬레이션 정확도를 최대 98%까지 향상시킬 수 있었다. 이는 생물학적 공정에 대한 사전 지식 없이도 시계열 데이터만으로 정확한 시뮬레이터를 구축할 수 있음을 보여준다.
Stats
하수 처리 공정의 인산 농도 예측 정확도가 기존 모델 대비 최대 90% 향상되었다.
하수 처리 공정의 동적 특성 모사 정확도가 기존 모델 대비 최대 81% 향상되었다.
Quotes
"본 연구는 실제 하수 처리 공정을 정확하게 모사할 수 있는 시뮬레이터를 개발하여 심층 강화 학습 알고리즘 학습을 위한 가상 환경을 제공하는 것을 목표로 한다."
"제안된 방법론을 통해 기존 LSTM 모델 대비 시뮬레이션 정확도를 최대 98%까지 향상시킬 수 있었다."