생태 독성 센서를 활용한 수질 자동 측정 시스템에서 인공지능을 활용한 결측값 예측 및 신뢰성 있는 데이터 확보를 위한 연구

Abstract

생태독성평가 분석 기술을 활용한 센서를 통해 장시간 동안 실시간으로 연속적인 데이터를 측정할 경우, 배양 생물의 사용 또는 민감한 박막의 사용으로 인해 시스템적 오류나 한계 상황에서 결측이 발생할 수 있다. 또한, 독성평가 분석용 센서는 배양 시간이 포함되거나 박막의 미세한 변화율을 통계적으로 처리해야 하므로 긴 계측 시간이 요구되어 결측 문제가 더욱 심화될 수 있다. 이러한 결측을 무시하고 분석을 진행할 경우, 샘플 수의 감소와 더불어 분석 정확도가 저하되며, 오결측 문제가 심화될 수 있다. 이를 해결하기 위해, 본 연구에서는 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 활용하여 계측된 시계열 데이터의 패턴을 학습하고, 결측된 시점의 값을 예측하여 결측값을 보정하는 방법을 제안한다. 또한, 생태 독성 계측 데이터에서 발생할 수 있는 다양한 형태의 모의 데이터를 시뮬레이터를 통해 생성하고, 수질 데이터를 기반으로 학습된 추정값들의 성능을 검토한다. 모의 실험 결과를 바탕으로 결측 문제의 개선 효과를 확인하였으며, 결측 데이터 분석 과정에서 고려해야 할 중요한 요소들을 논의한다.