혐기성 MBR 바이러스 예측 모델 일반화
유입수 및 유출수의 동적 변화와 막여과층을 통과하며 발생하는 유출수 품질 변화는 기계 학습(ML) 모델의 일반화를 저해하는 주요 요인이다. 특히 미지의 데이터에서 박테리아 및 바이러스 오염물질을 예측하는 모델 개발에 큰 어려움이 따른다. 본 연구는 이러한 문제를 해결하기 위해 두 가지 모델 일반화 패러다임을 제안한다. 사우디아라비아의 서로 다른 도시에 위치한 두 혐기성 막분리 생물반응조(AnMBR) 기반 폐수처리장에서 물리화학적 매개변수, 바이러스 측정법, PCR 기반 데이터를 활용하여 바이러스 입자를 예측하고 로그 제거 값(LR…