현재까지 미세먼지에 대한 연구는 예측, 분석, 측정 등으로 나눠지는데, 주로 대기환경 분야에서 이루어져 왔다. 미세먼지는 대기질 인자와 기상인자 그리고 배출 등 여러가지 원인으로 인해 발생한다. 각 요소들이 미세먼지에 얼마나 많은 영향을 끼치는지 상관관계를 분석하는 것이 우선이라고 판단하였고, 이를 실험하였다. 이 상관 분석에는 기상청과 에어코리아를 통해 확보한 대기질 인자와 기상인자 데이터를 이용, IBM사의 SPSS라는 Tool을 사용하여 이루어졌다. 그 결과 각 대기질 인자와 기상인자들이 미세먼지 수치에 미치는 영향정도와 상관관계를 좀 더 명확하게 알 수 있었다. 본 논문에서는 미세먼지 수치와 영향요소 및 상관관계의 정확한 분석을 위해 상관분석 및 피어슨 상관계수로 결과를 나타낸다.
현재까지 미세먼지에 대한 연구는 예측, 분석, 측정 등으로 나눠지는데, 주로 대기환경 분야에서 이루어져 왔다. 미세먼지는 대기질 인자와 기상인자 그리고 배출 등 여러가지 원인으로 인해 발생한다. 각 요소들이 미세먼지에 얼마나 많은 영향을 끼치는지 상관관계를 분석하는 것이 우선이라고 판단하였고, 이를 실험하였다. 이 상관 분석에는 기상청과 에어코리아를 통해 확보한 대기질 인자와 기상인자 데이터를 이용, IBM사의 SPSS라는 Tool을 사용하여 이루어졌다. 그 결과 각 대기질 인자와 기상인자들이 미세먼지 수치에 미치는 영향정도와 상관관계를 좀 더 명확하게 알 수 있었다. 본 논문에서는 미세먼지 수치와 영향요소 및 상관관계의 정확한 분석을 위해 상관분석 및 피어슨 상관계수로 결과를 나타낸다.
Until now, the study of fine dust has been divided into prediction, analysis and measurement, mainly in the field of atmospheric environment. Fine dust is caused by various causes such as atmospheric quality factor, meteorological factor and emission. It was determined that it was a priority to anal...
Until now, the study of fine dust has been divided into prediction, analysis and measurement, mainly in the field of atmospheric environment. Fine dust is caused by various causes such as atmospheric quality factor, meteorological factor and emission. It was determined that it was a priority to analyze the correlation of how much each element affects fine dust, and it was experimented. This correlation analysis was done using IBM SPSS tool using air quality factor and meteorological factor data obtained from Korea Meteorological Administration and Air Korea. As a result, the influence of air quality factors and meteorological factors on the fine dust level was more clearly understood. In this paper, we present experimental results as correlation analysis and pearson coefficient for more precise analysis between PM10 values and affected factors.
Until now, the study of fine dust has been divided into prediction, analysis and measurement, mainly in the field of atmospheric environment. Fine dust is caused by various causes such as atmospheric quality factor, meteorological factor and emission. It was determined that it was a priority to analyze the correlation of how much each element affects fine dust, and it was experimented. This correlation analysis was done using IBM SPSS tool using air quality factor and meteorological factor data obtained from Korea Meteorological Administration and Air Korea. As a result, the influence of air quality factors and meteorological factors on the fine dust level was more clearly understood. In this paper, we present experimental results as correlation analysis and pearson coefficient for more precise analysis between PM10 values and affected factors.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
상관관계는 상호적인 관계이기 때문에, 두 변수간의 인과관계를 파악하려면 상관관계가 필요하다. 그러나 상관관계가 높은 변수라고 반드시 인과관계가 있지는 않기 때문에 독립변수와 종속변수의 인과적 관계를 파악하는 분석도 함께 실시하여 실험에 정확도를 높이고자 하였다. 그 후 상관분석을 통하여, 각 변수 사이의 상관계수를 구하였다.
정보통신 분야에서 미세먼지에 대한 연구는 거의 이루어지지 않았다. 현재 기상청에서 쓰는 미세먼지 예측 모델[4]에도, 정보통신 분야에서 많이 쓰이는 알고리즘들이 각각의 요소로 들어가 있는 이 시점에, 본 논문은 그동안 축적된 데이터를 이용하여, 미세먼지 수치와 각각의 인자들과의 상관관계를 밝혀보려 한다. 이를 위해, 대기, 기상 등에 대한 데이터를 확보하였다.
제안 방법
그 후 상관분석을 통하여, 각 변수 사이의 상관계수를 구하였다. 그 후 가장 대중적으로 쓰이는 피어슨 상관계수를 이용하여 각각의 변수를 매칭하여 두 변수의 관계가 선형적인지 비선형적인지를 판별하고, 선형적이라면 어느 정도의 선형관계를 가지고 있는지를 각각 알아보았다.
그러나 상관관계가 높은 변수라고 반드시 인과관계가 있지는 않기 때문에 독립변수와 종속변수의 인과적 관계를 파악하는 분석도 함께 실시하여 실험에 정확도를 높이고자 하였다. 그 후 상관분석을 통하여, 각 변수 사이의 상관계수를 구하였다. 그 후 가장 대중적으로 쓰이는 피어슨 상관계수를 이용하여 각각의 변수를 매칭하여 두 변수의 관계가 선형적인지 비선형적인지를 판별하고, 선형적이라면 어느 정도의 선형관계를 가지고 있는지를 각각 알아보았다.
두 변수는 서로 독립적인 관계로부터 서로 상관된 관계일수 있으며 이때 두 변수간의 관계의 강도를 상관관계라 한다. 본 논문에서는 대기질 인자 변수인 O3, NO2, CO3, SO2, PM2.5와 기상인자 변수인 일평균 기온, 일 강수량, 평균풍속, 평균 상대습도, 합계일조시간, 합계 일사, 평균 지면온도, 안개 계속시간을 분석 하여 상관계수를 구하고, 상관분석을 하려 한다. 상관계수는 0.
에어코리아는 한국환경공단에서 운영하는 전국 실시간 대기오염도 공개 홈페이지이다. 이곳에서 국립 환경과학원의 최종 확정자료를 excel파일로 다운로드 하였다. 대기질 최종 확정 데이터는 2014년도부터 제공되었기 때문에 2014년부터 2017년 6월까지의 서울지역 대기질 데이터를 확보하였다.
획득한 두 데이터를 하나의 excel 파일로 시간과 장소에 따라 하나의 파일로 융합하는 가공을 하여 실험의 input data로 활용하였다.
대상 데이터
5 와 기상인자 변수인 일평균 기온, 일강수량, 평균풍속, 평균 상대습도, 합계일조시간, 합계 일사, 평균 지면온도, 안개 계속시간을 input data로 사용한다. input data는 14개의 인자, 그리고 각 인자당 1096일 치의 데이터(2014.1.1 ~ 2017.6.31.)로, 총 15334개의 변수를 이용하였다. 많은 수의 변수를 일일이 계산하기 위하여 SPSS를 이용, 연산하였고 이를 통하여 분석을 한다.
기상 데이터는 기상청(www.kma.go.kr)에서 제공하는 기상자료개방포털(https://data.kma.go.kr)에서 기상관측 데이터를 얻을 수 있었다. 정확한 실험 결과를 얻기 위해 대기질 관측데이터와 마찬가지로 2014년부터 2017년 6월까지의 서울지역 기상관측 데이터를 확보하였다.
대기질 관측데이터는 에어코리아(www.airkorea.or.kr)에서 확보하였다. 에어코리아는 한국환경공단에서 운영하는 전국 실시간 대기오염도 공개 홈페이지이다.
이곳에서 국립 환경과학원의 최종 확정자료를 excel파일로 다운로드 하였다. 대기질 최종 확정 데이터는 2014년도부터 제공되었기 때문에 2014년부터 2017년 6월까지의 서울지역 대기질 데이터를 확보하였다.
현재 기상청에서 쓰는 미세먼지 예측 모델[4]에도, 정보통신 분야에서 많이 쓰이는 알고리즘들이 각각의 요소로 들어가 있는 이 시점에, 본 논문은 그동안 축적된 데이터를 이용하여, 미세먼지 수치와 각각의 인자들과의 상관관계를 밝혀보려 한다. 이를 위해, 대기, 기상 등에 대한 데이터를 확보하였다. 확보한 데이터는 SPSS를 이용하여 상관관계 분석을 시도하였다.
kr)에서 기상관측 데이터를 얻을 수 있었다. 정확한 실험 결과를 얻기 위해 대기질 관측데이터와 마찬가지로 2014년부터 2017년 6월까지의 서울지역 기상관측 데이터를 확보하였다.
데이터처리
)로, 총 15334개의 변수를 이용하였다. 많은 수의 변수를 일일이 계산하기 위하여 SPSS를 이용, 연산하였고 이를 통하여 분석을 한다. 상관관계는 상호적인 관계이기 때문에, 두 변수간의 인과관계를 파악하려면 상관관계가 필요하다.
본 논문에서는 SPSS를 이용하여, 대기질 데이터와 기상 데이터를 가지고 분석을 실시하여 상관계수를 구하고, 피어슨 상관계수를 구하는 상관분석을 하려 한다.
이를 위해, 대기, 기상 등에 대한 데이터를 확보하였다. 확보한 데이터는 SPSS를 이용하여 상관관계 분석을 시도하였다. SPSS는 분석을 위한 계획, 데이터 수집, 분석, 보고의 전과정을 지원 할 수 있는 프로그램이다.
성능/효과
Temperature, Precipitation, Humidity, Ground Temperature는 약한 음적 선형관계를 갖는다. Fog는 약한 선형관계를 가지며, NO2와 CO, S02는 뚜렷한 선형관계를 갖는 것으로 확인되었다.
764로 PM10과 가장 강한 선형관계를 가진다. Sunshine과 Solar Radiation, O3, Wind Speed는 거의 무시해도 되는 선형관계를 가지고 있는 것으로 확인되었다. Temperature, Precipitation, Humidity, Ground Temperature는 약한 음적 선형관계를 갖는다.
지면온도와 일평균기온, 일조량과 일사량 등 아주 밀접한 관계가 성립되어 있는 변수들이 강한 상관관계가 있는 정도이다. 그러나 각각 정도의 차이는 있지만 PM10과 O3, NO2, CO, SO2, PM2.5, 합계일조시간 합계 일사는 양적 선형관계를, 기상인자 변수인 일평균 기온, 일강수량, 평균풍속, 평균 상대습도, 평균 지면온도, 안개 계속 시간은 음적 선형 관계를 갖는 것을 알 수 있었다. 그 중에서도 합계일조시간과 합계 일사, O3, 풍속은 선형관계라 보기 힘들다는 것도 발견하였다.
먼저 미세먼지를 제외한 나머지 변수들 간의 상관관계는 그리 높지 않은 것으로 발견되었다. 지면온도와 일평균기온, 일조량과 일사량 등 아주 밀접한 관계가 성립되어 있는 변수들이 강한 상관관계가 있는 정도이다.
4는 넘어야 상관관계가 존재하는데 이 또한 적다. 상관계수가 미세먼지와 별개로 서로에 대한 상관관계는 예상보다 높지 않은 것으로 나타났다.
수량, 평균풍속, 평균 상대습도, 평균 지면온도, 안개 계속시간은 음적 선형 관계를 갖는 것을 알 수 있었다. 그 중에서도 합계일조시간과 합계 일사, O3, 풍속은 선형관계라 보기 힘들다는 것도 발견하였다.
후속연구
향후 과제로는 더 많은 데이터를 확보하여, 미세먼지에 조금이라도 영향을 끼치는 인자 데이터를 최대한 많이 확보하여 최대한의 인자들과의 상관관계를 밝혀 미세먼지 수치 예측 등 미세먼지에 관한 많은 연구에 기여할 예정이다 [8-9].
질의응답
핵심어
질문
논문에서 추출한 답변
현재까지 미세먼지에 대한 연구는 주로 어떤 분야에서 이루어졌는가?
현재까지 미세먼지에 대한 연구는 예측, 분석, 측정 등으로 나눠지는데, 주로 대기환경 분야에서 이루어져 왔다. 미세먼지는 대기질 인자와 기상인자 그리고 배출 등 여러가지 원인으로 인해 발생한다.
미세먼지의 농도가 증가할수록 인체에 미치는 영향은?
이와 더불어 국내에서 생산되는 먼지뿐만 아니라 중국발 미세먼지 및 황사도 미세먼지 수치에 굉장히 많은 영향을 끼친다[1]. 미세먼지는 인체에 많은 영향을 끼치는데, 미세먼지의 농도가 증가할수록 심장혈관과 호흡기의 질환으로 인한 사망률이 증가한다는 연구가 있다[2]. 뿐만 아니라 암과 전신 질환에도 깊은 관련이 있다는 연구 결과도 발표된 바가 있어[3], 미세먼지에 대한 경각심과 연구가 필요하다.
SPSS를 이용하여 대기질과 기상인자와의 미세먼지 상관관계를 분석한 결과는 어떠한가?
이 상관 분석에는 기상청과 에어코리아를 통해 확보한 대기질 인자와 기상인자 데이터를 이용, IBM사의 SPSS라는 Tool을 사용하여 이루어졌다. 그 결과 각 대기질 인자와 기상인자들이 미세먼지 수치에 미치는 영향정도와 상관관계를 좀 더 명확하게 알 수 있었다. 본 논문에서는 미세먼지 수치와 영향요소 및 상관관계의 정확한 분석을 위해 상관분석 및 피어슨 상관계수로 결과를 나타낸다.
참고문헌 (9)
D. H. Shin, and Y. M. Noh, "Aerosol Optical Properties and Separation of Asian Dust using AERONET Sun/Sky Radiometer Measurement at the Asian Dust Source Region," Korean Journal of Remote Sensing, vol. 32, no.3, pp.245-251, June 2016.
J. S. Oh, S. H. Park, M. K. Kwak, C. H. Pyo, K. H. Park, H. B. Kim, S. Y. Shin, and H. J. Choi, "Ambient Particulate Matter and Emergency Department Visit for Chronic Obstructive Pulmonary Disease," Journal of The Korean Society of Emergency Medicine, vol. 28,no. 1, pp. 32-39, Jan. 2017.
H. J. Bae, "Effect of Short-term Exposure to PM10 and PM2.5 on Mortality in Seoul," Journal of Korea Society of Environmental Health, vol.40, no.5, pp. 346-354, May 2014.
Y. S. Koo, H. Y. Yun, H. Y. Kwon, and S. H. Yu, "A Develope of PM10 Forecasting System," Journal of Korean Society for Atmospheric Environment, vol. 26, no. 6, pp. 666-682, Nov. 2010.
Y. H. Seo, "Characterization of high concentration PM2.5 by nitrate and ammonium ions of PM2.5 in Seoul," Journal of Korea Society of Environmental Administration, vol. 21, no.1, pp. 1-7, Mar. 2015.
J. H. Lee, Y. M. Kim, and Y. K. Kim "Spatial panel analysis for PM2.4 concentrations in Korea," Journal of the Korean Data & Information Science Society, vol. 28, no. 3, pp. 473-481 Mar. 2017.
G. Kader, and C. Franklin "The Evolution of Pearson's Correlation Coefficient," Journal of National Council of Teachers of Mathematics, vol. 102, no. 4, pp. 292-299, Nov. 2008.
N. Arora, M. Martolia, and A. Ashok "A Comparative study of the Image Registration Process on the Multimodal Medical Images", Asia-pacific Journal of Convergent Research Interchange, HSST, vol.3, no.1, pp. 1-17, Mar. 2017.
J. Cha, and J. Kim, "Development of Data Mining Algorithm for Implementation of Fine Dust Numerical Prediction Model," Journal of the Korea Institute of Information and Communication Engineering, vol. 22, no. 4, pp. 595-601, April 2018.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.