대기오염물질의 실시간 단기 예측을 위한 머신러닝 기법의 적용 및 평가

김영일; 이권호; 박승한

doi:10.5572/KOSAE.2023.39.1.107

추천

검색

질문

자료유형: 학술저널

저자정보: 김영일 (강릉원주대학교) 이권호 (강릉원주대학교) 박승한 (강릉원주대학교)

저널정보: 한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제39권 제1호

발행연도: 2023.2

수록면: 107 - 127 (21page)

DOI: 10.5572/KOSAE.2023.39.1.107

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In this study, the machine learning (ML) techniques were compared and evaluated for real-time short-term prediction of air pollutants and the accuracy of the prediction results using the optimal prediction technique was analyzed. Air quality data and meteorological data for the last four years (2015~2018) are used to train and test the ML system. The ML system consists of four models including Random Forest (RF), Support Vector Machine (SVM), Multiple Linear Regression (MLR), and Deep Neural Network (DNN), and the optimal model was determined through an error analysis technique using an accuracy verification index of Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), and coefficient of determination (R²). The optimized model estimation results showed that the explicit error ranges were estimated (NO₂=±0.035 ppm, CO=±0.071 ppm, SO₂=±0.0008 ppm, O₃=±0.006 ppm, PM10=±6.395 μg/m³, PM2.5=±3.772 μg/m³). Using the optimized model determined by the highest grade acquisition method, the modelling results during a year of 2019 showed relatively high accuracy as (NO2=14.146±5.864%, CO=4.289±1.025%, SO₂=5.572±1.306%, O₃=5.549±0.716%, PM10=4.031±0.899%, PM2.5=3.488±0.990%) respectively. These prediction results mean a significant level of error within the uncertainty of the model. Therefore, it was proved that the suggested methodology is effective in short-term prediction of air pollutants.

#Air quality #Machine learning #PM #Air pollutants

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김영일

소속기관 환경부

주요연구분야 자연과학 > 지구과학 > 대기과학 TOP 5%

논문수 11 이용수 2,223

이권호

소속기관 국립강릉원주대학교

주요연구분야 자연과학 > 지구과학 > 대기과학 TOP 1% 자연과학 > 물리학

논문수 147 이용수 10,911

박승한

소속기관 강릉원주대학교

주요연구분야 자연과학 > 지구과학 > 대기과학

논문수 3 이용수 937

이 논문과 함께 이용한 논문

미세먼지 농도 예측을 위한 머신러닝 기법의 정확도 분석

김영일 , 이권호 한국대기환경학회지(국문) 2023 .04

강릉 지역의 주야간 에어로솔 광학 특성과 머신러닝을 이용한 예측

이권호 한국대기환경학회지(국문) 2023 .12

시계열 머신러닝 기법을 이용한 컬럼에어로솔 예측 및 평가

김영일 , 이권호 , 이규태 한국대기환경학회지(국문) 2022 .02

탄소중립을 위한 하향식 온실가스 배출 분석기법 개발 및 활용 방안

주상원 , 이해영 , 홍진규 외 8명 한국대기환경학회지(국문) 2022 .12

서울 대기 중 PM_1.0의 계절별 화학조성 특성

권수진 , 임형배 , 신혜정 외 3명 한국대기환경학회지(국문) 2022 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)