envmodel

낙동강 Cyano 분석 머신러닝 모델

프로젝트 개요

이 프로젝트는 낙동강의 8개 보에서 발견되는 cyanobacteria 4종(Microcystis, Anabaena, Oscillatoria, Aphanizaomenon)과 총 질소(TN), 총 인(TP) 수치, 독성 물질(MC-LR) 간의 상관관계와 원인을 분석하는 머신러닝 모델을 구현합니다. 이 모델은 환경 데이터(https://water.nier.go.kr/web) 를 통해 수질 관리 현황을 2020-2023.7월까지 분석하여 제시했습니다. 프로젝트의 목적은 날짜 및 계절에 따른 cyanobacteria 수 및 다른 요인들과 이에 영향을 받는 독성 물질 수치의 변화를 분석하는 것을 목표로 합니다.

모델 설명

본 모델은 다음의 주요 내용을 분석했습니다. :

1. 상관관계 분석: 낙동강 8개 보에서 채취한 데이터를 기반으로, cyanobacteria의 4종 개체 수와 TN, TP 수치 간의 상관관계를 분석합니다.
2. 층별 독소 물질 분석: 수질 데이터 중 독성을 일으키는 MC-LR 냄새 물질은 표층과 혼합층에서 각각 수집됩니다. 모델은 이 두 층의 각 층에 cyanobacteria 개체수와 냄새 물질 수치 간의 상관관계가 어떻게 다른지 8개 보마다 회귀 분석(Linear Regression)을 통해 분석합니다.
3. Microcystis cells 분석: 2 이후 cyanobacteria 중 상관관계가 높은 종의 수와 이 종의 수에 영향을 미치는 요인들에 대한 분석 머신러닝 모델(Linear Regression, Decision Tree, SVM, RF 모델)을 활용하여 진행합니다.

데이터 세트

데이터는 낙동강의 8개 보(상주보, 낙단보, 구미보, 칠곡보, 강정고령보, 달성보, 합천창녕보, 창녕함안보)에서 수집되었으며, 다음과 같은 정보를 포함합니다:

• Cyanobacteria 개체수 (4종)
• 총 질소(TN) 및 총 인(TP) 수치
• 8개 보의 표층 및 혼합층에서 수집된 MC-LR
• WT(Water Temperature), pH, DO, Chl-a, DTN, DTP, EC(Electric Conductivity), NH3-N, NO3-N, PO4-P, 8개 보 근처 7일간 강수량 평균, BOD, COD, TOC, SS

기술 스택

이 프로젝트에서 사용된 주요 기술 및 라이브러리는 다음과 같습니다:

• Python
• Scikit-learn
• Pandas
• NumPy
• Matplotlib
• statsmodels
• seaborn
• Scipy

결과 및 결론

이 모델은 낙동강에서의 cyanobacteria 개체수 중 Microcystis가 영양염 수치 간의 상관관계가 다른 종보다 높다는 것을 밝혀냈습니다. 결과는 (https://colab.research.google.com/drive/1A0qJ7vzFH2BczOxfAyMLiwTWSaSz3AlT) 과 결과-(https://colab.research.google.com/drive/16HYS8W9_h_8L4jOIzC_I7dvl2mpGPuvZ#scrollTo=AWY6gtOafHHG) 에서 확인할 수 있습니다. 이러한 분석은 계절별로 어떤 요인이 개체 수 증가에 영향을 주는지 또한 알아내어 향후 수질 관리 및 예방 조치에 사용될 것입니다.