$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

종합대기질 지수 예측을 위한 AI 기반 모형 및 Complex Network 기법 적용
Application of AI-based model and Complex Network method for Comprehensive Air-Quality Index prediction 원문보기

한국수자원학회 2022년도 학술발표회, 2022 May 19, 2022년, pp.324 - 324  

김동현 (인하대학교 공과대학 토목공학과) ,  송재현 (인하대학교 공과대학 토목공학과)

초록
AI-Helper 아이콘AI-Helper

정확한 오염물질 예측은 기상학, 자연재해, 기후변화 연구 등 현장에서 필수적인 과제 중 하나이다. 주변 관측소에서 얻은 데이터를 사용하는 경우 모델 학습을 위한 불필요한 데이터로 인해 예측 결과에 왜곡 문제가 있을 수 있습니다. 따라서, 우리는 종합적인 대기질 지수 행동에 영향을 미치는 요인을 제공하는 최적의 데이터 소스를 찾기 위해 네트워크 방식을 사용했습니다. 본 연구에서는 2015년부터 2020년까지 우리나라의 6개 오염물질과 종합적인 대기질 지수 예측에 대한 네트워크 기법을 적용한 LSTM 및 DNN 모델을 적용하였다. 본 연구는 미세먼지(PM10), 초미세먼지(PM2.5), 오존(O3), 이산화황(SO2), 이산화질소(NO2), 일산화탄소(CO) 등 6가지 오염물질을 기반으로 종합적인 대기질 지수를 예측하는 2단계로 구성되어 있다. LSTM을 이용하여, 개별적으로 예측된 6가지 오염물질을 이용하여 DNN 모형을 이용하여 종합적인 대기질 지수를 예측한다. 6가지 오염물질에 대한 각 모델의 예측능력과 종합적인 대기질 지수 예측은 관측된 대기질 데이터와 비교하여 평가하였다. 본 연구는 심층신경망 모델과 네트워크 방식을 결합한 것이 높은 예측력을 제공함을 보여주었으며, 종합적인 대기질 지수 예측을 위한 최적의 모델로 선정되었다. 재난관리의 필요성이 증가함에 따라 네트워크 방식의 딥러닝 모델은 자연재해 피해를 줄이고 재난관리를 개선할 수 있는 충분한 잠재력을 가질 것으로 기대된다.

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로