Estimation of Nonlinear Adsorption Isotherms and Advection-Dispersion Model Parameters Using Genetic Algorithm

유전자 알고리즘을 이용한 비선형 흡착 식 및 이류-확산 모델 파라미터 추정

  • 도남영 (한국과학기술원 건설 및 환경공학과) ;
  • 이승래 (한국과학기술원 건설 및 환경공학과) ;
  • 박현일 (삼성물산(주) 건설부문 기술연구소)
  • Received : 2005.09.06
  • Published : 2006.02.01

Abstract

In this study, estimation of nonlinear adsorption isotherms(Langmuir & Freundlich adsorption isotherm) and advection-dispersion model parameters was conducted using genetic algorithm(GA) for Zn and Cd adsorption. Estimated parameters of nonlinear adsorption isotherms, which were obtained from the optimization process using genetic algorithm(GA), are nearly same with the parameters obtained from a linearization process of the nonlinear isotherms. Estimated effective diffusion coefficients, which were obtained from a finite element analysis of the advection-dispersion model and an optimization procedure using the genetic algorithm, for the metals were approximately in the order of $10^{-7}cm^2/s$ which could be obtained based on the linear distribution coefficient. The effective diffusion coefficients based on the nonlinear retardation factors were in the range of $10^{-6}{\sim}10^{-5}cm^2/s$. As a result, the correlation coefficient obtained between the measured and calculated concentration was over 0.9 which means that the genetic algorithm should be successfully applied to estimate the unknown parameters of the nonlinear adsorption isotherms and advection-dispersion model.

본 연구에서는 아연 및 카드뮴을 대상으로 수행된 흡착실험과 칼럼확산실험 결과를 바탕으로 유전자 알고리즘을 이용한 최적화 과정을 통하여 비선형 흡착 모델 및 이류-확산 모델식의 파라미터들을 추정하여 보았다. 수행결과 비선형 흡착 식 (Langmuir 흡착모델과 Freundlich 흡착모델) 들의 모델파라미터 추정은 이들 흡착식 들의 선형화 과정을 거쳐 얻어진 파라미터들과 거의 일치하는 결과를 얻을 수 있었다. 오염물질의 이동 해석을 위해 수행된 이류-확산 모델의 유한요소해석과 모델 파라미터 추정을 위해 수행된 최적화 과정을 통해 얻은 아연과 카드뮴의 확산계수는 선형 분배계수를 이용할 경우 두 금속 모두에서 약 $10^{-7}cm^2/s$ 차원의 확산계수를 얻을 수 있었다. 또한 비선형 흡착 모델로부터 얻어진 지연인자를 이용할 경우 두 금속 모두에서 $10^{-6}{\sim}10^{-5}cm^2/s$ 범위의 확산계수 값을 얻을 수 있었다. 결론적으로 유전자 알고리즘을 이용한 최적화 과정을 통한 비선형 흡착식 및 이류-확산 모델의 파라미터 추정은 성공적으로 수행될 수 있었고, 실측값과 최적화 과정을 거쳐 예측된 값 사이의 상관계수는 0.9 이상으로 높은 상관성을 보이는 것으로 나타났다.

Keywords