Prediction of water demand using deep learning and smart water meter

스마트 수도미터와 딥러닝을 활용한 수용가별 물 사용량 예측

최근 스마트 수도미터의 보급을 통해 수용가구별 물 사용 자료를 수집할 수 있다. 이런 수용가구별 물 사용 패턴은 주말, 날씨 등 다양한 요인으로 인해 비선형적 특성을 가지고 있다. 그로인해 전통적인 시계열 예측 모형인 ARIMA 모형으로 적용하기 어렵다. 따라서 본 연구에서는 딥러닝 기반의 LSTM 모형을 통해 수용가구별 물 소비량 예측 모형을 개발하였다. 이 모형은 비선형적인 물 소비 패턴을 학습하기 위해 다양한 변수를 고려하였다. 서로 다른 종류의 4개 type (A : 단독주택, B: 아파트, C: 음식점, D : 초등학교)의 수용가구에 대한 ARIMA 모형과 LSTM 모형을 개발하였고, 학습에 사용되지 않은 새로운 데이터를 적용하여 정량적으로 예측성능을 비교했다. 그 결과, 모든 수용가구에서 LSTM 모형이 ARIMA 모형보다 성능이 우수하였다 (상관계수 : 평균89% | RMSE : 평균 5.60m³). 따라서 본 연구에서 제안한 모형은 수용가구별 물 사용량을 예측하는데 높은 활용도를 보일 것으로 기대된다.