The Journal of Korea Institute of Information, Electronics, and Communication Technology (한국정보전자통신기술학회논문지)

Korea Information Electronic Communication Technology (한국정보전자통신기술학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on Prediction Model for Laundry and Toilet Water-use demand

세탁기 및 화장실 용수 수요량에 대한 예측모형 연구

  • Received : 2019.06.26
  • Accepted : 2019.08.03
  • Published : 2019.08.30
Download PDF
⟨ Previous Next ⟩

Abstract

This study develops a prediction model for toilet and laundry water end-uses based on surveyed data which measured housing and household characteristics of 140 households over 5 years in Korea. Classical regression model assuming a normal distribution was not appropriate and estimated parameters were biased, because the distribution of measured water-uses was left-skewed. As an alternative to this problem, we considered the distribution of weibull and lognormal for each water-uses, and three regression models were compared using log-likelihood and scale parameter. As a result, weibull regression were chosen to be appropriate for both water-uses and also presented the factors that affect each water-use. This results expect that an insight is provided on water resources utilization and theoretical support role for effective water resource management.

본 연구는 5년간의 세탁기 및 화장실 용수의 실측 자료를 기반으로 표본가구의 가구 및 주택, 월 특성들을 나타내는 변수들을 조사하여 위의 두 가지 용수에 대한 수요예측모형을 개발하는 것이다. 그러나 반응변수인 세탁기 및 화장실 용수의 분포를 확인한 결과 양의 왜도, 즉, 왼쪽으로 치우친 형태로 정규분포를 따르지 않기 때문에 다중회귀모형 적용 시 추정치가 편의되는 문제가 있다. 따라서 이에 대한 대안으로 세탁기 및 화장실 용수 수요 예측모형을 와이블 및 대수정규회귀모형으로 가정하고, 3가지 모형을 적용하여 최적모형을 제시하고 이에 대한 해석을 제시하였다. 그 결과 와이블 분포를 가정한 회귀모형이 가장 적합하다고 나타났으며, 이에 대한 각 용수별 예측모형을 제시하고 해석하였다. 그 결과 두 용수 모두 공통적으로 실거주인원이 용수사용에 가장 큰 영향을 주는 인자로 나타났다. 분석결과를 토대로 세탁기 및 화장실 용수의 수요를 예측시 실거주인원에 대한 고려가 필요하다는 점을 시사하며, 예측모형을 통한 관리부서에서 장기적으로 물 수요관리에 대한 정책 수립, 수도 관련 시설 규격 및 기자재 결정 등의 기초자료로 활용 할 수 있을 것이라 판단된다. 추후 연구에서는 1인 가구 등과 같은 실태를 반영한 독립변수들을 고려한 실측연구 등이 필요할 것이다.

Keywords

References

  1. Ministry of Environment, "2016 Statistics of Waterworks", pp. 23-24, Ministry of Environment, the Republic of Korea, 2017.
  2. R. Cochran, A. W. Cotton, "Municipal water demand study, Oklahoma City and Tulsa, Oklahoma," Water Resources Research, Vol. 21, No. 7, pp. 941-943, July 1985. https://doi.org/10.1029/WR021i007p00941
  3. AWWA Research Foundation, "Commercial and institutional end uses of water", pp. 30-58, American Water Works Association Research Foundation, Denver, 2000.
  4. Aquacraft, Inc., "Post-drought changes in residental water use", pp. 1-325, Denver Water, Denver, CO., 2006.
  5. S. L. Zhou, T. A. McMahon, A. Walton, J. Lewis, "Forcasting daily water demand: A case study of Melbourne", Journal of Hydrology, Vol. 236, pp. 153-164, 2000. https://doi.org/10.1016/S0022-1694(00)00287-0
  6. L. Shvarster, U. Shamir, M. Feldman, "Forcasting hourly water demands by pattern recognition approach", Journal of Water Resources Planning and Management, Vol. 119, No. 6, pp. 611-627, 1993. https://doi.org/10.1061/(ASCE)0733-9496(1993)119:6(611)
  7. J. Adamowski, C. Karapataki, "Comparison of multivariate regression and artificial neural networks for peak urban water-demand forecasting: evaluation of different ANN learning algorithms", Journal of Hydrologic Engineering, Vol. 15, No. 10, pp. 729-743, Oct 2010. https://doi.org/10.1061/(ASCE)HE.1943-5584.0000245
  8. M. Nasseri, A. Moeini, M. Tabesh, "Forecasting monthly urban water demand using extended Kalman filter and genetic programming", Expert System with Applications, Vol. 38, No. 6, pp. 7387-7395, June 2011. https://doi.org/10.1016/j.eswa.2010.12.087
  9. B. Brentan, E. Luvizotto, M. Herrera, J. Izquierdo, R. Perez-Garcia, "Hybrid regression model for near real-time urban water demand forecasting", Journal of Computational and Applied Mathematics, Vol. 309, No. 1, pp. 532-541, Jan 2017. https://doi.org/10.1016/j.cam.2016.02.009
  10. I. Duerr, H. R. Merrill, C. Wang, R. Bai, M. Boyer, M. D. Dukes, N. Bliznyuk, "Forecasting urban household water demand with statistical and machine learning methods using large space-time data: A comparative study", Environmental Modelling and Software, Vol. 102, pp. 29-38, April 2018. https://doi.org/10.1016/j.envsoft.2018.01.002
  11. J. Kim, H. S. Kim, D. Lee, G. Kim, "Analysis of water use characteristics by household demand monitoring", Journal of Korean Society of Environmental Engineering, Vol. 29, pp. 864-869, 2007.
  12. D. Lee, J. Kim, H. Kim, "Statistical analysis of non-household unit water use for business categories", Journal of Korean Society of Environmental Engineering, Vol. 29, pp. 385-396, 2009.
  13. H. Kim, J. Kim, "Forecast of regional water demand in Korea; a recursive multi-region water CGE modelling approach", Journal of the KRSA, Vol. 26, No. 1, pp. 85-101, Mar 2010.
  14. J. Kim, C. Jung, J. Lee, S. Kim, "Development of naive-bayes classification and multiple linear regression model to predict agricultural reservoir storage rate based on weather forecast data", J. Korea Water Resour. Assoc., Vol. 51, No. 10, pp. 839-852, Aug 2018. https://doi.org/10.3741/JKWRA.2018.51.10.839
  15. J. Jo, J. W. Baek, "Experimental design and analysis for reliability improvement", Journal of the Applied Reliability, Vol. 2, pp. 47-61, 2002.