메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김영일 (강릉원주대학교) 이권호 (강릉원주대학교)
저널정보
한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제39권 제2호
발행연도
2023.4
수록면
149 - 164 (16page)
DOI
10.5572/KOSAE.2023.39.2.149

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2023

미세먼지 농도 예측을 위한 머신러닝 기법의 정확도 분석
김영일 ,  이권호 한국대기환경학회지(국문) 2023.04 학술저널
지상 및 위성 원격탐사 빅데이터를 이용한 머신러닝 기반의 미세먼지 농도 예측
김영일 2023.01 학위논문

2022

지상 및 위성 원격탐사 빅데이터를 이용한 머신러닝 기반의 미세먼지 농도 예측
김영일 ,  이권호 ,  박승한 한국대기환경학회 학술대회논문집 2022.10 학술대회자료

초록· 키워드

오류제보하기
In this study, machine learning technique was applied by using PM<SUB>10</SUB>, PM<SUB>2.5</SUB> and air quality data acquired from Urban Air Monitoring Network and Meteorological data acquired from Automated Synoptic Observing System (ASOS) and Aerosol Optical Depth (AOD), Ångström Exponent (AE) data acquired from the ground-based Sun-sky radiometer (AERONET) observation network or Satellite data (MODIS). For the determination of the best machine learning (ML) model, four ML techniques such as Multi Linear Regression (MLR), Support Vector Machine (SVM), Random Forest (RF), Deep Neural Network (DNN) were tested and compared accuracy using Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), R², Mean Absolute Percentage Error (MAPE). Since the error range can be presented according to the diversity and variability of input data and ML, it is possible to compare the prediction accuracy of each model or determine the optimal prediction model. We also proved the assumption that more accurate results can be obtained by the optimized ML technique having the lowest error rate. The results showed that optimized ML model has the accuracy of 81.27% for PM<SUB>10</SUB> concentration prediction and 73.25% for PM<SUB>2.5</SUB> concentration prediction. It is expected that expanded air quality information through the using of ML based PM concentration prediction with the remote sensing data.
#Aerosol #Particle matter #Air quality #Machine learning #Error analysis

목차

Abstract
1. 서론
2. 자료 및 방법
3. 결과 및 토의
4. 요약 및 결론
References

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

이 논문과 함께 이용한 논문

대기오염물질의 실시간 단기 예측을 위한 머신러닝 기법의 적용 및 평가
김영일 ,  이권호 ,  박승한 한국대기환경학회지(국문) 2023 .02
반려동물 관련 소비실태 및 개선방안
김선희 조사보고서 2013 .12
OCO-2 위성자료와 딥러닝을 이용한 한반도 XCO2 모니터링과 예측
이권호 ,  김관철 한국대기환경학회지(국문) 2024 .10
건강보험 청구 데이터를 활용한 머신러닝 기반 유방암 환자의 생존 여부 예측
이덕규 ,  변경근 ,  이형동 외 1명 한국산업정보학회논문지 2023 .04
머신러닝 알고리즘을 이용한 커피 프랜차이즈 실패 요인 분석에 관한 연구
안예린 ,  이현희 ,  유성민 외 2명 대한산업공학회지 2023 .02

최근 본 자료

전체보기

댓글(0)

0