The Application of the Evidence-Cloud Model On the Water Quality Evaluation

기술 요약: 수질 평가를 위한 증거-클라우드 모델(Evidence-Cloud Model)의 적용

문제 제기
지하수 자원은 중국의 음용, 산업 및 농업 용수로서 매우 중요하지만, 모니터링 데이터와 평가 기준에 내재된 모호성(fuzziness), 무작위성(randomness) 및 불확실성(uncertainty)으로 인해 수질 평가가 복잡해지는 문제를 겪고 있다. 신경망, 단일 요인 지수법, 퍼지 종합 평가, 회색 클러스터링을 포함한 기존의 수질 평가 방법들은 구체적인 한계를 지닌다. 신경망은 대규모 데이터셋을 필요로 하며 수렴 속도가 느리거나 국소 최적점(local minima)에 빠지는 문제가 있고, 단일 요인 방법은 지나치게 보수적이며, 퍼지 방법은 주관성이 높은 복잡한 가중치 벡터 계산을 수반하고, 회색 클러스터링 방법은 막대한 계산 부하와 주관성을 수반한다. 결과적으로, 정성적 개념과 정량적 기술 사이의 불확실한 변환을 효과적으로 처리하고, 불확실한 정보를 융합하여 예측 정확도를 향 향상시킬 수 있는 방법이 필요하다.

방법론
본 논문은 **클라우드 모델(Cloud Model)**과 증거 이론(특히 뎀프스터-셰퍼 이론, Dempster-Shafer theory)을 결합한 통합 평가 방법인 "증거-클라우드 모델(Evidence-Cloud Model)"을 제안한다. 방법론은 다음과 같은 단계로 진행된다:

1. 지표 선정 및 클라우드 모델 구축: 다섯 가지 핵심 수질 지표를 증거체(evidence bodies)로 선정하였다: 용존 산소(DO), 과망간산 칼륨 지수, 총 질소(TN), 총 인(TP), 암모니아성 질소(NH3-N). 이들은 다섯 단계(I~V 등급)로 분류된다. 클라우드 모델을 사용하여, 각 지표의 다섯 등급에 대한 세 가지 디지털 특징 파라미터(기댓값 $Ex$, 엔트로피 $En$, 초엔트로피 $He$)를 계산함으로써 구간 표준을 클라우드 드롭릿(cloud droplets)으로 변환한다.
2. 소속도 및 기본 확률 할당(BPA): 측정값을 클라우드 모델에 입력하여 각 등급에 대한 소속도를 계산한다. 증거 이론에서 요구하는 기본 확률 할당(BPAs)의 정의를 충족하기 위해, 불확실성을 처리하기 위한 확실도(certainty degree)를 도입하여 소속도 행렬을 BPA 행렬로 변환한다.
3. 증거 융합 및 교정: 본 연구는 개선된 뎀프스터-셰퍼 융합 규칙을 채택한다. 융합 전, 유사도 계수와 지지도(support degree)를 사용하여 각 증거의 신뢰성을 스크리닝한다. 상충하는 증거는 신뢰도 측정을 기반으로 한 교정 계수를 사용하여 수정함으로써 모순된 데이터의 영향을 완화한다.
4. 합성 및 역퍼지화(Defuzzification): 수정된 증거체들은 뎀프스터 결합 규칙을 사용하여 각 수질 등급에 대한 합성 확률을 얻기 위해 융합된다. 최종 등급은 최대 합성 확률에 의해 결정된다.
5. 민감도 분석: 몬테카를로 시뮬레이션을 기반으로 한 스피어먼 서열 상관계수를 사용하여 전역 민감도 분석을 수행하며, 이를 통해 입력 요인과 평가 출력 간의 상관관계를 파악하고 어떤 지표가 결과에 가장 유의미한 영향을 미치는지 밝혀낸다.

주요 기여

• 이론의 통합: 본 논문은 정성적 개념과 정량적 개념 사이의 불확실한 변환을 처리하는 클라우드 모델의 능력과, 정보 융합을 위해 "불확실한" 및 "알 수 없는" 정보를 처리하는 증거 이론의 강점을 성공적으로 결합하였다.
• 정확도 향 향상: 제안된 방법은 전통적인 모델인 물질-원소 확장 모델(matter-element extension model)에 비해 예측 정확도를 개선한다고 주장한다.
• 구간 기준 처리: 본 방법은 단일 지점 값이나 지나치게 보수적인 최악의 시나리오에 의존하는 방법의 한계를 해결하여, 구간 형태로 존재하는 등급 기준을 효과적으로 예측하도록 설계되었다.
• 정량적 민감도 순위: 본 연구는 단순한 등급 분류를 넘어 수질 안정성에 영향을 미치는 가장 결정적인 요인을 식별하기 위해 수질 지표의 민감도에 대한 정량적 순위를 제공한다.

결과
모델은 석유화학 및 화학 제조 산업이 특징인 산둥성 쯔보시의 7개 단면에 대한 수질 평가에 적용되었다.

• 정확도: 제안된 방법은 7개 단면 모두에서 실제 조사 결과와 100%의 일치율을 달야냈다. 반면, 비교 대상인 물질-원소 확장 모델은 80%의 정확도만을 기록했다.
• 구체적 결과: 평가 결과 1#, 2#, 3#, 5#, 6#, 7# 단면은 I 등급(우수), 4# 단면은 II 등급(양호)으로 판명되었다. 모든 단면의 전체 수질 적합률은 100%였다.
• 차별화 능력: 본 방법은 확률 크기에 따라 동일 등급 내의 단면들을 차별화하는 능력을 입증했다. 예를 들어, 5#와 6# 모두 I 등급이었으나, 모델은 6#(0.8162)보다 5#(0.9285)에 더 높은 합성 확률을 할당하여 5#의 수질이 더 견고함을 나타냈다.
• 민감도 분석: 전역 민감도 분석을 통해 DO(X1), TN(X3), TP(X4)가 수질에 영향을 미치는 가장 민감한 세 가지 요인임을 확인하였다. 분석은 이러한 요인들의 증가(음의 상관관계가 존재하는 경우)가 수질 저하로 이어진다는 것을 확인하였으며, 이에 따른 표적 모니터링 및 통제가 필요함을 시사한다.

의의
본 논문은 증거-클라우드 모델이 수질 평가를 위한 실행 가능하고 효과적인 접근 방식이라고 결론짓는다. 수질 지표의 모호성과 불확실성을 처리하는 새로운 관점을 제공하고 예측 효율성을 높임으로써, 이 방법은 지하수 오염 방지를 위한 신뢰할 수 있는 도구를 제공한다. 연구는 결과가 실제 현장 조사와 완전히 일치함을 명시하며, 이는 본 방법이 특히 데이터의 불확실성이 높은 복잡한 산업 환경에서 향후 수질 평가를 위한 새로운 접근법으로 활용될 수 있음을 시사한다. 저자들은 현재 연구된 구역들의 수질이 안정적이고 우수하므로 추가적인 오염 방지 조치가 필요하지 않다고 언급하였다.