촉매오존산화 공정은 촉매를 사용하여 오존(O3)으로부터 생성하는 수산화라디칼(•OH)을 극대화함으로 오존에 의해 잘 분해되지 않는 미량오염물질을 효과적으로 제거하는 기술이다. 공정의 미량오염물질 제거 효율은 수산화라디칼 생성량에 따라 달라지며, 이는 누적된 산화력을 의미하는 수산화라디칼 노출량 값으로 평가된다. 수산화라디칼 노출량은 유입수 특성과 운전조건에 따라 달라지므로, 해당 조건에서 수산화라디칼 노출량을 정확히 측정하는 것은 공정의 미량오염물질 제어효과를 파악하고 최적의 운전 전략을 수립하는데 필수적이다. 하지만 기존의 탐지물질 기반 측정법은 시간과 노동력이 많이 소요되는 한계가 있다.

이러한 문제를 해결하기 위해 본 연구에서는 촉매오존산화 공정에서 측정이 용이한 변수들을 기반으로 수산화라디칼 노출량을 신속하고 정확하게 예측하는 기계학습 모델을 구축한다. 해당 모델은 인공신경망(ANN) 모델을 활용하며, 공정 유입변수(TOC, pH)와 운전변수(촉매 주입량, 오존 주입량, 접촉시간)를 입력값으로 받아 수산화라디칼 노출량을 출력한다. 시간을 변수로 포함하여 시간에 따른 동적 변화도 정밀하게 예측이 가능하도록 설계되었다. 개발된 모델은 실제 실험값과 유사하게 수산화라디칼 노출량을 정확히 예측하였으며, 이를 기반으로 다양한 미량오염물질에 대한 제거율 또한 성공적으로 예측한다. 이는 기계학습모델이 촉매오존산화 공정의 효율적인 운영과 미량오염물질의 효과적인 제어에 유용한 도구가 될 수 있음을 보인다.