초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구에서는 한반도와 한반도 인근의 공개된 PM10, PM2.5의 2015~2018년 데이터를 사용하여 미세먼지에 대한 시공간 분석을 하였다.
시공간 분석은 38도 선을 횡단하는 6개 지역과 서해안 지역과 동해안 지역 각 6개 지역을 선정하였으며 연간, 월간, 시간별 미세먼지 변화를 분석하였다.
분석에는 프로그래밍 언어인 Python을 사용하였으며 사용한 패키지는 Numpy, Pandas, Seaborn, Scikit-learn 패키지이다.
농도분석 결과 대상지역 모두 국내 PM2.5 기준인 15 ㎍/m3을 초과하여 PM2.5 저감이 필요한 것으로 판단된다. 서해안 지역의 PM10, PM2.5의 시간에 따른 변화는 동해안 지역의 변화와 차이를 보여 배출원뿐만 아니라 다양한 변수의 영향을 받는 것으로 판단된다.
머신러닝을 이용한 PM2.5 ...

본 연구에서는 한반도와 한반도 인근의 공개된 PM10, PM2.5의 2015~2018년 데이터를 사용하여 미세먼지에 대한 시공간 분석을 하였다.
시공간 분석은 38도 선을 횡단하는 6개 지역과 서해안 지역과 동해안 지역 각 6개 지역을 선정하였으며 연간, 월간, 시간별 미세먼지 변화를 분석하였다.
분석에는 프로그래밍 언어인 Python을 사용하였으며 사용한 패키지는 Numpy, Pandas, Seaborn, Scikit-learn 패키지이다.
농도분석 결과 대상지역 모두 국내 PM2.5 기준인 15 ㎍/m3을 초과하여 PM2.5 저감이 필요한 것으로 판단된다. 서해안 지역의 PM10, PM2.5의 시간에 따른 변화는 동해안 지역의 변화와 차이를 보여 배출원뿐만 아니라 다양한 변수의 영향을 받는 것으로 판단된다.
머신러닝을 이용한 PM2.5 예측분석 결과 랜덤 포레스트(Random Forest) 모델이 가장 높은 정확도를 보인 것으로 나타났다.