베이지안 네트워크를 이용한 정수처리공정에서 THMs 영향인자의 인과 구조 분석

초록

본 연구에서는 정수처리공정의 염소 소독 과정에서 생성되는 소독부산물인 총트리할로메탄(THMs)의 형성 요인을 인과적 관점에서 규명하기 위하여 베이지안 네트워크(Bayesian Network, BN) 모형을 적용하였다. 기존의 다중회귀분석(Multiple Linear Regression, MLR)은 변수 간의 선형 상관성에 기반하여 THMs 농도를 설명하지만, 확률적 의존성과 방향성을 동시에 고려하지 못한다는 한계를 가진다. 베이지안 네트워크는 구조학습과 모수학습을 통해 변수 간의 확률적 인과관계 및 방향성 관계를 표현할 수 있다는 장점을 지니며, 이를 통해 변수 간 관계를 구조적으로 해석할 수 있다는 장점을 지닌다. 한강 수계에 위치한 A정수장의 20년(2003–2022) 장기 운영자료를 활용하여 베이지안 네트워크 기반의 인과구조를 규명하고자하였다. 구조학습 단계에서는 Hill-Climbing, Tabu Search, Grow–Shrink, Max–Min Hill-Climbing(MMHC) 등 네 가지 알고리즘을 적용하여 비교한 결과, Tabu와 MMHC가 가장 우수한 적합도(BIC = –1914.059)를 보였다. 강건한 네트워크 구조를 구축하기 위하여 네 가지 알고리즘의 공통 간선을 결합한 합의(Consensus) 네트워크를 구성하였으며, 500회 부트스트랩을 통해 간선의 등장확률(strength)과 방향 일관성(direction)을 평가하여 s ≥ 0.7, d ≥ 0.7 기준을 충족하는 경로만을 채택함으로써 구조적·통계적으로 강건한(Double-Robust) 인과망을 도출하였다. 구조학습을 통해 도출된 DAG(Directed Acyclic Graph)에 기반한 최대우도추정(MLE) 결과, THMs의 직접적으로 연결된 주요영향인자(부모노드)는 요오드가(O_IV), 전염소주입율(O_Pre_CL), 수온(R_TEMP), 정수 pH(T_pH), 정수 잔류염소(T_RCL)로 확인되었으며, 원수 중 암모니아성 질소(R_NH3)와 COD(R_COD)는 각각 전염소 주입율(O_Pre_CL)과 정수 pH(T_pH)를 매개로 하는 간접적으로 연관된 요인(조부모노드)으로 나타났다. THMs의 형성은 주로 염소 주입량, 수온, pH, 잔류염소 농도 등 공정운영 인자에 의해 지배되며, 베이지안 네트워크는 예측력과 인과 구조 해석을 동시에 확보할 수 있는 확률적 인과모형(probabilistic causal model)임을 확인하였다. 본 연구는 정수처리공정의 소독부산물 저감 및 공정 최적화를 위한 데이터 기반 의사결정에 이론적 근거를 제공하며, 향후 다양한 수계와 공정 조건을 고려한 비교연구를 통해 본 모형의 일반화 가능성을 검증할 필요가 있음을 시사한다.

키워드