Flow Rate Prediction Model for Aquarium in Recirculating Aquaculture Systems Using Simulation Data-Based Machine Learning

본 연구는 순환여과양식장의 각 사육조에 주수배관을 통하여 공급되는 양식수를 경험적 방법으로 분배하던 것을 최신의 머신러닝 알고리즘을 활용하여 스마트한 분배 알고리즘을 연구한 내용이다. 다양한 운전조건으로 여러 사육조에 공급되는 양식수의 유량이 다르고 조절해야하는 밸브 수량이 많기 때문에 성장하고 있는 어류를 고려하면 다양한 실험을 통한 유량 조절이 매우 어려운 것이 현실이다. 따라서 최근 예측의 보조수단으로서 머신러닝이나 딥러닝 등 인공지능 모델을 이용한 다양한 연구가 수행되고 있어 점차 규모화 및 첨단화되고 있는 순환여과양식시스템에 적용 가능성이 클 것으로 예상된다. 본 연구를 위하여 먼저 가상의 주수배관 1D 시스템 모델을 구성하고 다양한 운전조건을 실험계획으로구성한 뒤 시뮬레이션을 수행하여 데이터를 확보하였다. 시뮬레이션 데이터를 기반으로 다양한 머신러닝 알고리즘을 훈련과 검증 그리고 테스트를 통하여 사육수 유량을 자동 조절할 수 있는 예측 인공지능 알고리즘을 개발하였으며, 이를 활용하여 수산·양식 분야에 디지털 트윈 기술을 접목시킴으로써 물리적 시스템 최적화와 고도화에 이은 기술 융합 서비스를 확장시키기 위한 기술적 토대를 제안하고자 하였다.