하수 품질 예측 ML 모델 성능 평가 지표

하수처리장(WWTP) 수질 예측에 머신러닝(ML) 모델이 다양하게 적용되고 있으나, 성능 평가 지표의 선택과 해석에는 상대적으로 관심이 적었습니다. 대부분의 연구는 RMSE, MAE, MAPE, R² 등 일반적인 회귀 지표에 의존하지만, 이들은 해석 가능성, 데이터 이상치 민감도, WWTP와 같은 동적이고 노이즈가 많은 환경에 대한 적합성에서 큰 차이를 보입니다. 본 연구는 27가지 성능 평가 지표에 대한 체계적인 문헌 분석을 바탕으로, 지도 학습 기반 WWTP 모델링 맥락에서 각 지표의 이론적 토대, 강점, 한계, 적용 가능성을 비판적으로 검토합니다. 통계적 지표 외에도 잔차 플롯이나 실패 예측 플롯과 같은 보완적인 그래픽 기법을 탐색하여, 순수 수치 지표가 간과할 수 있는 모델 동작에 대한 심층적인 통찰을 제공합니다. 주요 성과로는 데이터셋 특성, 모델링 목표, 프로젝트 제약 조건에 따라 적절한 평가 지표를 선택하도록 돕는 실용적인 의사결정 흐름도를 개발한 것입니다. 또한, 수치 지표를 넘어 모델 성능을 평가하는 데 사용된 그래픽 방법론의 참조 도구 키트를 요약했습니다. 이러한 자료는 연구에서 보다 정보에 입각하고 투명한 지표 선택을 촉진할 뿐만 아니라, 하수 처리 실무자들에게 모델 출력 해석, 예측 접근 방식 비교, 신뢰할 수 있는 공정 모니터링 및 운영 의사결정에 가장 적합한 모델 식별을 위한 실행 가능한 도구를 제공합니다.