[논문]R기계학습 소프트웨어를 이용한 미세먼지 예측

장재호

[국내논문] R기계학습 소프트웨어를 이용한 미세먼지 예측
Korean Dust Prediction using R Machine Learning Software 원문보기

장재호 (일산대진고등학교)

최근, 한국에서는 사람들이 미세먼지로 많은 고통을 받고 있으며, 특히, 초미세먼지(PM2.5)의 경우에는 생성될 때, 화학적인 2차 반응에 의하여 생성되는 것으로 여겨지고 있다. 본 논문에서는 R에서 제공하는 기계학습 프로그램을 이용하여 초미세먼지를 예측하기 위한 실험을 진행하였다. R소프트웨어는 빅데이터 및 통계 분석을 위해서 많이 사용되고 있는 프로그램이다. 최근에는 인공지능의 기계학습을 위한 기능도 제공하고 있는데, 데이터 예측을 할 때, 사용하면 매우 유용하다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 R이 제공하는 신경망 학습 및 예측 기능을 사용하여, 초미세먼지 예측 실험을 수행해 보았다. 실험에서는 서울시 강남구에서 365일 동안 측정한 일일 평균 미세먼지 데이터를 사용 하였다.

제안 방법

R은 통계 분석과 데이터 분석을 위한 도구로서 많이 사용되고 있으며, 기계학습을 위한 패키지도 제공학고 있다[2]. 본 논문에서는 R이 제공하는 기계 학습 패키지는 이용하여, 초미세먼지 예측 실험을 진행 하였다.
본 연구에서는 기계학습에 사용될 초미세 먼지 데이터를 일별로 1년간의 데이터를 수집하였다. 물론 PM10도 수집하면, 좋겠지만, 시간이 너무 오래 걸려서 초미세먼지 PM2.5데이터만 일별로 수집하여, 엑셀로 저장하였다. 미세먼지데이터는 환경부 홈페이지 또는 공공 데이터 정부 제공 사이트를 방문하여 다운로드하였다.
5데이터만 일별로 수집하여, 엑셀로 저장하였다. 미세먼지데이터는 환경부 홈페이지 또는 공공 데이터 정부 제공 사이트를 방문하여 다운로드하였다. 데이터 수집 기간은 2018년 1월1일부터 2018년 12월31일까지 이다.
수집된 데이터를 입력 데이터로 사용하여 신경망을 훈련시키고 최대 5일간의 초미세먼지를 예측하는 실험을 진행하였다. 신경망 기반 예측의 정확성을 높이기 위해서는 최적의 신경망 모형을 정의해야 한다.
인공 신경망 모형 정의는 입력층의 노드 개수, 은닉층의 노드 개수, 출력층의 노드 갯수를 정의하여 이루어진다. 구조가 다른 여러 개의 인공 신경망 모형을 정의 하고 각 모형에 대한 훈련, 예측 실험을 통해 가장 정확성이 높고 훈련 시간이 적게 걸리는 모형을 최적 모형으로 선정한다. 최적의 신경망 모형을 찾아내는 과정은 총 5단계로 이루어 진다.
5단계에서는 훈련된 신경망을 이용하여 값을 예측한다. 6단계 예측된 값과 해당 기간의 정답 데이터를 비교하여, 정의된 인공 신경망에 대한 에러값을 구한다. 본 실험에서는 8개 정도의 신경망 모델을 구성한 후, 각 신경망을 입력 데이터로 훈련을 시켰다.
6단계 예측된 값과 해당 기간의 정답 데이터를 비교하여, 정의된 인공 신경망에 대한 에러값을 구한다. 본 실험에서는 8개 정도의 신경망 모델을 구성한 후, 각 신경망을 입력 데이터로 훈련을 시켰다. 이후, 훈련된 신경망을 이용하여, 가장 최근 5일 이전의 데이터를 입력 데이터로 사용하여, 최근 5일간의 초미세먼지 양을 예측하도록 하였다.
본 실험에서는 8개 정도의 신경망 모델을 구성한 후, 각 신경망을 입력 데이터로 훈련을 시켰다. 이후, 훈련된 신경망을 이용하여, 가장 최근 5일 이전의 데이터를 입력 데이터로 사용하여, 최근 5일간의 초미세먼지 양을 예측하도록 하였다. 예측된 수치와 가장 최근 5일간의 실제 데이터와 비교하여, 각 모델의 정확성을 평가하였다.
이후, 훈련된 신경망을 이용하여, 가장 최근 5일 이전의 데이터를 입력 데이터로 사용하여, 최근 5일간의 초미세먼지 양을 예측하도록 하였다. 예측된 수치와 가장 최근 5일간의 실제 데이터와 비교하여, 각 모델의 정확성을 평가하였다. 예측의 정확도를 평가하기 위해서 MAPE(Mean Absolute Percentage Error)값을 사용하였다.
모형 중에서 에러값이 두 번째로 작고 훈련시간도 비교적 적게 걸렸기 때문이다. 훈련된 모형 5를 이용하여, 5일 간의 미세먼지 예측을 수행하였다. 예측 결과는 <그림 2>와 같다.

대상 데이터

본 연구에서는 기계학습에 사용될 초미세 먼지 데이터를 일별로 1년간의 데이터를 수집하였다. 물론 PM10도 수집하면, 좋겠지만, 시간이 너무 오래 걸려서 초미세먼지 PM2.
미세먼지데이터는 환경부 홈페이지 또는 공공 데이터 정부 제공 사이트를 방문하여 다운로드하였다. 데이터 수집 기간은 2018년 1월1일부터 2018년 12월31일까지 이다..
본 연구에서는 R이 제공하는 신경망 학습 및 예측 기능을 사용하여, 초미세먼지 예측 실험을 수행해 보았다. 실험에서는 서울시 강남구에서 365일 동안 측정한 일일 평균 미세먼지 데이터를 사용 하였다. 신경망을 훈련시킨 후, 최근 5일 동안의 미세먼지 측정을 해본 결과, 5일중 이틀간의 미세 먼지 예측결과는 실제와 유사하게 나왔으며, 3일간의 예측결과는 많은 차이가 났다.

이론/모형

예측된 수치와 가장 최근 5일간의 실제 데이터와 비교하여, 각 모델의 정확성을 평가하였다. 예측의 정확도를 평가하기 위해서 MAPE(Mean Absolute Percentage Error)값을 사용하였다. MAPE는 아래의 공식을 이용하여 계산한다.

성능/효과

위의 결과를 분석해 보면, 입력 노드 수를 20으로 설정할 경우, R에서 nnet함수를 수행하는 도중에 에러가 발생하여, 훈련작업을 수행할 수 없었다. 따라서, 모형 1에서 모형 6중에 하나를 선택하는 수밖에 없었다.
실험에서는 서울시 강남구에서 365일 동안 측정한 일일 평균 미세먼지 데이터를 사용 하였다. 신경망을 훈련시킨 후, 최근 5일 동안의 미세먼지 측정을 해본 결과, 5일중 이틀간의 미세 먼지 예측결과는 실제와 유사하게 나왔으며, 3일간의 예측결과는 많은 차이가 났다.

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

[국내논문] R기계학습 소프트웨어를 이용한 미세먼지 예측
Korean Dust Prediction using R Machine Learning Software 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] R기계학습 소프트웨어를 이용한 미세먼지 예측 Korean Dust Prediction using R Machine Learning Software 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] R기계학습 소프트웨어를 이용한 미세먼지 예측
Korean Dust Prediction using R Machine Learning Software 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper