변동성이 큰 누수음 탐지를 위한 푸리에 변환 및 MFCC 기반 특징 추출 기법
Feature extraction techniques based on fourier transform and MFCC for detecting variable leak sounds
- 문서 유형
- 연구출판물 · 학술지 논문
- 등재
- KCI
- 저널 순위
- KCI Q4
- 저널
- 상하수도학회지39(1) · pp.25 · 2025
- 피인용
- KCI 0
- ISSN
- 1225-7672
저자
- 김현준제1저자부산대학교 기계공학과
- 정광준주식회사 플로워크연구소 연구개발팀
초록
상수도 배관에서 누수 또는 이상을 감지하는 기계학습 및 인공신경망 분류 모델에 대한 연구가 활발히 진행되어 왔다. 그러나 누수음 데이터는 시간과 환경에 따라 계속 변동하기 때문에, 입력 데이터의 변화에도 일정 수준 이상의 분류 성능을 유지하는 분류 모델을 찾는 데 어려움이 있다. 본 연구에서는 모델 선택과 초매개변수 조정보다 데이터 전처리 방법이 분류 성능 향상에 더 큰 영향을 미친다는 점에 주목했다. 변동성이 큰 누수음의 특징을 효과적으로 추출하기 위해 푸리에 변환 및 MFCC(Mel-Frequency Cepstral Coefficients)를사용하였으며, 일부 정보가 중복될 가능성을 고려하여 다중공선성에 덜 민감한 트리 기반 모델을 사용해 누수음의 분류 성능을 평가했다. 연구 결과, 푸리에 변환과 MFCC를 결합한 데이터 세트를 사용했을 때 LightGBM 모델의 분류 정확도가 84.62%로 나타났으며, 각각의 전처리 방법을 단독으로 사용했을 때보다 더 높은 성능을 달성하였다. 이 결과는 두 전처리 방법의 상호 보완적 특성이 분류 성능 향상에 기여했음을 입증하며, 상수도 관망 누수 탐지 시스템 개발에 중요한 기여를 할 것으로 기대된다.
키워드
상수관망누수기계학습특징 추출이상감지Anomaly detectionLeakageMachine learningPreprocessingWater distribution network
식별자
- KCI
- ART003173625



로그인
연구물 목록으로