[논문]기상 데이터와 대기 환경 데이터 기반 (초)미세먼지 분석과 예측

박홍진

doi:10.17661/jkiiect.2021.14.4.328

[국내논문] 기상 데이터와 대기 환경 데이터 기반 (초)미세먼지 분석과 예측
Analysis and Prediction of (Ultra) Air Pollution based on Meteorological Data and Atmospheric Environment Data 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.14 no.4, 2021년, pp.328 - 337

박홍진 (Dep. of Computer Engineering, Sangji University)

초록
AI-Helper

석면, 벤젠과 같이 발암물질 1급인 미세먼지는 각종 질병에 원인이 되고 있다. 초 미세먼지 확산은 코로나 바이러스 확산의 중요한 원인중 하나이다. 본 논문은 2015년부터 2019년까지 서울시 평균 기온, 강수량, 평균 풍속등의 기상 데이터와 SO2, NO2, O3,등의 대기 환경 데이터를 기반으로 미세먼지와 초 미세먼지를 분석하고 예측한다. 계절별과 월별로 미세먼지와 초미세먼지 현황을 파악·분석하며 미세먼지를 예측하기 위해 기계학습 모델 중 선형회귀, SVM, 앙상블 모델을 이용하여 비교 분석하였다. 또한 미세먼지와 초 미세먼지 발생에 영향을 미치는 중요한 피쳐(속성)를 파악한다. 본 논문이 파악한 결과 3월에 가장 (초)미세먼지가 높았고, 8월에서 9월까지 (초)미세먼지가 가장 낮았다. 기상 데이터일 경우 (초)미세먼지에 가장 영향을 미치는 데이터가 평균 기온이며, 기상 데이터와 대기 환경 데이터일 경우 NO2가 (초)미세먼지 발생에 가장 크게 작용하였다.

Abstract ▼ AI-Helper

Air pollution, which is a class 1 carcinogen, such as asbestos and benzene, is the cause of various diseases. The spread of ultra-air pollution is one of the important causes of the spread of the corona virus. This paper analyzes and predicts fine dust and ultra-air pollution from 2015 to 2019 based on weather data such as average temperature, precipitation, and average wind speed in Seoul and atmospheric environment data such as SO2, NO2, and O3. Linear regression, SVM, and ensemble models among machine learning models were compared and analyzed to predict fine dust by grasping and analyzing the status of air pollution and ultra-air pollution by season and month. In addition, important features(attributes) that affect the generation of fine dust and ultra-air pollution are identified. The highest ultra-air pollution was found in March, and the lowest ultra-air pollution was observed from August to September. In the case of meteorological data, the data that has the most influence on ultra-air pollution is average temperature, and in the case of meteorological data and atmospheric environment data, NO2 has the greatest effect on ultra-air pollution generation.

주제어

표/그림 (15)

그림 그림 1. 2015년~2019년 서울시의 (초)미세먼지 현황 Fig. 1. (Ultra) air pollution status in Seoul from 2015 to 2019
표 표 1. 2015년~2019년 서울시 기상 데이터 분석 Table 1. Analysis of weather data in Seoul from 2015 to 2019
표 표 2. 2015년~2019년 서울시 대기 환경 데이터 분석 Table 2. Analysis of air environment data in Seoul from 2015 to 2019
그림 그림 2. 2015년~2019년 서울시의 계절별 평균 (초)미세먼지 현황 Fig. 2. Average (ultra) air pollution status by season in Seoul from 2015 to 2019
그림 그림 3. 2015년~2019년 서울시 월 평균 (초)미세먼지 현황 Fig. 3. Average (ultra) air pollution status by month in Seoul from 2015 to 2019
그림 그림 4. 기상 데이터 기반 PM10 예측 비교 평가 Fig. 4. Comparative evaluation of PM10 prediction based on meteorological data
그림 그림 5 기상 데이터 기반 PM2.5 예측 비교 평가 Fig. 5. Comparative evaluation of PM2.5 prediction based on meteorological data
표 표 3. 기상 데이터 기반 PM10 예측 모델 성능 평가 Table 3. Performance evaluation of PM10 prediction model based on meteorological data
그림 그림 6. 기상 데이터와 대기 환경 데이터 기반 PM10 예측 비교 평가 Fig. 6. Comparative evaluation of PM10 prediction based on weather data and atmospheric environment data
그림 그림 7. 기상 데이터와 대기 환경 데이터 기반 PM2.5 예측 비교 평가 Fig. 7. Comparative evaluation of PM2.5 prediction based on weather data and atmospheric environment data
표 표 4. 기상 데이터 기반 PM2.5 예측 모델 성능 평가 Table 4. Performance evaluation of PM2.5 prediction model based on meteorological data
그림 그림 8. 기상 데이터 기반 (초)미세먼지 피쳐 중요도 Fig. 8. (Ultra) air pollution feature importance based on Meteorological data
표 표 5. 기상 데이터와 대기 환경 데이터 기반 PM10 예측 모델 성능 평가 Table 5. Performance evaluation of PM10 prediction model based on weather data and atmospheric environment data
표 표 6. 기상 데이터와 대기 환경 데이터 기반 PM2.5 예측 모델 성능 평가 Table 6. Performance evaluation of PM2.5 prediction model based on weather data and atmospheric environment data
그림 그림 9 기상 데이터와 대기 환경 데이터 기반 (초)미세 먼지 피쳐 중요도 Fig. 9. Feature importance of (ultra) air pollution based on meteorological data and atmospheric environment data

참고문헌 (8)

M. Travaglio, Y. Yu, R. Popovic, L. Selley, N. Lea and L. M. Martins, "Links between air pollution and COVID-19 in England", Jour. of Environmental Pollution, Vol. 268, Jan. 2021
X. Wu, R. C. Nethery, B.M. Sabath, D. Braun and F. Dominici, "Exposure to air pollution and COVID-19 mortality in the United States: A nationwide cross-sectional study", Jour. of Science Advances, Vol 6, No. 45, Nov. 2020
K. C. Lee and I. J. Hwang, " Characteristics of PM2.5 in Gyeongsan Using Statistical Analysis", Jour. of Korean Society for Atmospheric Environment, Vol. 31, No. 6, pp. 520-529, Dec. 2015

원문보기 상세보기
S. W. Joun, J. Y. Choi and J. H. Bae, " Performance Comparison of Algorithms for the Prediction of Fine Dust Concentration" , Conf. of Korea Information Science Society, pp. 775-777, Dec. 2017
Y. M. Seo and J. H. Yom, "Comparison of LSTM-based Fine Dust Concentration Prediction Method using Meteorology Data", Conf. of Korea Society of Surveying, Geodesy, Photogrammetry, and Cartography, pp. 117-120, Mar. 2019
S. H. Sung, S. J. Kim and M. H. Ryu, "A Comparative Study on the Performance of Machine Learning Models for the Prediction of Fine Dust: Focusing on Domestic and Overseas Factors", Jor. of Korea Society of Innovation, Vol. 15, Num. 4, pp. 339-357, Nov. 2020
C. H. Hwang and K. W. Shin, "CNN-LSTM Combination Method for Improving Particular Matter Contamination (PM2.5) Prediction Accuracy", Journal of the Korea Institute of Information and Communication Engineering, Vol. 24, No. 1, pp. 57-64, Jan. 2020
J. Y. Lee, M. J. Choi and J. K. Yang, "Ensemble Method for Predicting Particulate Matter and Odor Intensity", Jour. of the Society of Korea Industrial and Systems Engineering, Vol. 42, No.4, pp. 203-210, Dec. 2019

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증