초록 ▼

□ 연구개발 목표 및 내용
◼ 최종 목표
양방향 학습을 적용한 순환신경망계 모델들의 미세먼지 농도 예측 성능 평가 및 비교

◼ 전체 내용
◦ 미세먼지 농도 관련 데이터베이스 구축 및 미세먼지 특성 분석
◦ 딥러닝 기법을 이용한 미세먼지 농도 예측모델 구축 및 예측 성능 평가

◼ 1단계
❏ 목표
미세먼지 농도 관련 데이터베이스 구축 및 미세먼지 특성 분석
❏ 내용
◦ 선행연구 고찰을 통한 미세먼지 관련 데이터베이스 설계
◦ 미세먼지 관련 자료 수집 및 데이터베이

□ 연구개발 목표 및 내용
◼ 최종 목표
양방향 학습을 적용한 순환신경망계 모델들의 미세먼지 농도 예측 성능 평가 및 비교

◼ 전체 내용
◦ 미세먼지 농도 관련 데이터베이스 구축 및 미세먼지 특성 분석
◦ 딥러닝 기법을 이용한 미세먼지 농도 예측모델 구축 및 예측 성능 평가

◼ 1단계
❏ 목표
미세먼지 농도 관련 데이터베이스 구축 및 미세먼지 특성 분석
❏ 내용
◦ 선행연구 고찰을 통한 미세먼지 관련 데이터베이스 설계
◦ 미세먼지 관련 자료 수집 및 데이터베이스화
◦ 데이터베이스의 결측치 처리 및 정규화
◦ 미세먼지 농도 예측모델용 훈련 및 검증 데이터셋 구축
◦ 미세먼지의 군집 특성 및 군집 내 인자별 특성 분석

◼ n단계
❏ 목표
딥러닝 기법을 이용한 미세먼지 농도 예측모델 구축 및 예측 성능 평가
❏ 내용
◦ 특징선택을 통한 최적의 미세먼지 관련 인자 선택
◦ 딥러닝 기법을 이용한 미세먼지 농도 예측모델 구축
◦ 구축된 예측모델의 예측 성능 평가 및 최적 모델 선정

□ 연구개발성과
◦ 서울특별시를 대상으로 3년 (2014~2016)에 대한 대기오염물질 농도와 기상 정보 자료를 수집하여 일평균 값으로 데이터베이스 구축
◦ 결측치 처리 및 정규화 과정을 통해 미세먼지 농도 예측 모형용 훈련 및 검증 데이터셋 구축
◦ 랜덤포레스트 모형을 이용하여 최적의 미세먼지 관련 인자 선택
◦ 그래디언트 부스팅 머신, 익스트림 그래디언트 부스트, 라이트 그래디언트 부스팅 머신 등을 이용하여 미세먼지 농도 예측 모형 구축
◦ 평균제곱근오차, 수정된 결정계수 등을 이용하여 예측 모형의 예측 성능 평가

□ 연구개발성과 활용계획 및 기대 효과
◦ 사회경제적으로는 첫째, 본 연구 결과를 활용하여 미세먼지 농도 분포지도를 작성함으로써 상대적으로 취약한 지역에 대한 미세먼지 저감대책, 도시개발 및 토지이용 정책을 수립하기 위한 기초자료로 활용 가능함. 둘째, 미세먼지 방진망 설치 시 미세먼지 농도 분포지도를 활용함으로써 방진망 설치 효과 및 경제성을 극대화 시킬 수 있음. 셋째, 미세먼지가 건강에 미치는 영향을 분석하는 역학연구에 활용 가능할 것임
◦ 본 연구의 결과에서 나타난 바와 같이, 미세먼지 농도 예측 모형의 정확도를 향상시키기 위해서는 연구지역의 공간적인 특성이 반영된 공간자료가 사용되어야 할 것으로 판단됨. 또한, 기상 자료의 경우 결측값으로 인해 연구지역의 특성 반영에 한계가 있는 것으로 나타남. 따라서, 향후 기상청에서 운영하는 수치예보모델 중 LDAPS (local assimilation and prediction system)를 이용하여 이들 자료의 활용 가능성을 평가할 필요가 있음

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요약문 ... 2
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 5
• 1.1. 연구개발의 필요성 ... 5
• 1.2. 연구목표와 범위 ... 5
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 1) 1차 년도 수행 과정 및 내용 ... 6
• 2) 2차 년도 수행 과정 및 내용 ... 6
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 7
• 1) 연구수행 결과 ... 7
• 2) 목표 달성 수준 ... 9
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 9
• 5. 연구개발성과 및 활용 계획 ... 10
• 1) 연구성과 ... 10
• 2) 연구성과 활용계획 ... 10
• 6. 참고문헌 ... 10
• 끝페이지 ... 11