Water Quality Monitoring and Prediction Using Sensor-Based Unmanned Surface Vehicles

본 연구에서는 수질무인관측선에 장착된 다양한 수질 센서로 측정된 점 데이터를 격자 기반의 면 데이터로 변환하여 각 격자 단위별로 녹조 예측 모형을 개발하였다. 관심 지역에서 수집된 실시간 센서 데이터를 일별 데이터로 전처리하고, 이를 기반으로 다양한 머신러닝 알고리즘을 활용하여 두 수질 변수인 클로로필-a와 피코시아닌의 다음 날 농도를 예측하는 한 시점 앞 예측(one step ahead prediction) 모형을 적용하였다. 연구에서는 5가지 기계학습 기법(Random Forest, XGBoost, LASSO regression, k-NN regression, Support Vector Regression)을 활용하였으며, 예측 성능은 평균절대비율오차, 평균제곱근오차, 정규화된 평균제곱근오차를 기준으로 평가하였다. 그 결과, 앙상블 기반의 Random Forest와 XGBoost 기법이 클로로필-a와 피코시아닌 모두에서 가장 우수한 성능을 나타내었다. 수질무인관측선에서 측정된 실시간 수질 데이터 기반의 수질모니터링과 함께 기계학습 기법의 결합이 녹조 발생 예측에 효과적임을 시사하며, 수질 관리 및 녹조 대응 정책 수립에 유용한 도구로 활용될 수 있을 것으로 기대된다.