지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제22권 제4호
- 발행연도
- 2020.1
- 수록면
- 1,661 - 1,671 (11page)
이용수
초록· 키워드
오류제보하기
미세먼지는 사람의 건강에 많은 영향을 미치는 물질로서 환경과 건강에 대한 관심이 높아지면서 이와 관련하여 다양한 연구가 이루어지고 있다. 대기환경 분야에서는 전통적으로 수치모형을 이용하여 미세먼지와 관련된 연구를 수행하였으나 기계학습 분야가 발달함에 따라 최근 들어 기계학습을 이용한 연구도 수행하고 있다. 본 연구는 초미세먼지 농도의 예측에 관한 연구로서 기존의 연구들이 대부분 단기(1시간~2일 후) 예측에 그치는데 반해 중기(1주일 후) 예측을 시도하고 있다. 서울지역의 일평균 초미세먼지 농도를 보통(36미만)과 나쁨(36이상)의 이 단계로 나누어 이를 예측하는 분류모형을 만들었다. 분류모형으로는 XGBoost를 사용하였으며 모형의 성능 극대화를 위하여 각기 다른 평가지표를 기준으로 초모수 최적화(hyperparameter optimization)를 시도한 개별 모형들을 만든 후 앙상블 모형을 구축하였다. 2016년부터 2018년까지 3년의 자료를 이용하여 모형을 훈련시킨 후 2019년 1월부터 6월까지의 서울시 일 평균 미세먼지 농도를 예측한 결과 단일 모형보다 본 연구에서 제시한 앙상블 모형의 성능이 좋음을 확인하였다. 또한 미세먼지의 등급이 나쁜 경우보다 보통인 경우가 횔씬 많은 것을 고려하여 범주의 불균형 상태를 보완하는 방법을 적용하였으나 환경물질 자료만 설명변수로 사용할 때는 효과적이나 환경물질과 기상 정보에 관한 변수들을 모두 사용할 때는 오히려 모형의 성능에 악영향을 가져오는 것을 확인하였다.
목차
등록된 정보가 없습니다.
참고문헌 (32)
참고문헌 신청
Ahani, I. K. / 2019 / Statistical models for multi-step-ahead forecasting of fine particulate matter in urban areas / Atmospheric Pollution Research 10(3):689~700
Akdi, Y. / 2020 / Estimation and forecasting of PM10 air pollution in Ankara via time series and harmonic regression / International Journal of Environmental Science and Technology 17:3677~3690
Breiman, L. / 2001 / Random forests / Machine Learning 45(1):5~32
Brokamp, C. / 2018 / Predicting daily urban fine particulate matter concentrations using a random forest model / Environmental Science & Technology 52(7):4173~4179
Chen, T. / 2016 / XGBoost: A scalable tree boosting system / KDD ‘16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining :785~794
Akdi, Y. / 2020 / Estimation and forecasting of PM10 air pollution in Ankara via time series and harmonic regression / International Journal of Environmental Science and Technology 17:3677~3690
Breiman, L. / 2001 / Random forests / Machine Learning 45(1):5~32
Brokamp, C. / 2018 / Predicting daily urban fine particulate matter concentrations using a random forest model / Environmental Science & Technology 52(7):4173~4179
Chen, T. / 2016 / XGBoost: A scalable tree boosting system / KDD ‘16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining :785~794
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기상상태가 초미세먼지농도에 미치는 영향에 대한 분석
Journal of The Korean Data Analysis Society
2020 .01
-
Super Learner 앙상블을 활용한 서울시 중구 초미세먼지(PM2.5) 예측
한국기상학회 학술대회 논문집
2023 .04
-
XGBoost 모형을 활용한 코스피 200 주가지수 등락 예측에 관한 연구
한국데이터정보과학회지
2019 .05
-
초단기예보를 활용한 미세먼지, 초미세먼지 값의 데이터 격자 화 연구
한국대기환경학회 학술대회논문집
2019 .11
-
앙상블 학습과 온도 변수를 이용한 A 호텔의 전력소모량 예측
응용통계연구
2019 .04
-
시계열 모형과 기계학습 모형을 이용한 풍력 발전량 예측 연구
응용통계연구
2021 .10
-
실내 공간별 미세먼지농도 비교 데이터의 시각화
한국주거학회논문집
2015 .08
-
대기오염물질과 기상변수를 이용한 일사량 예측
한국데이터정보과학회지
2021 .09
-
분위수 부스팅을 이용한 미세먼지 농도 예측
응용통계연구
2015 .02
-
Prediction of chloride concentration in groundwater on Jeju Island using XGBoost regression machine learning
지질학회지
2022 .06
-
초미세먼지 측정분석기술개발
한국대기환경학회 학술대회논문집
2015 .08
-
전이학습기반 앙상블 딥러닝을 이용한 COVID-19 환자 영상 분류
한국데이터정보과학회지
2021 .11
-
초미세먼지 측정결과에 대한 정도관리 및 주요성분 장기변동 파악(2012년-2022년)
한국대기환경학회 학술대회논문집
2023 .10
-
기계학습을 이용한 복숭아 경락가격 및 거래량 예측모형 비교
Journal of The Korean Data Analysis Society
2018 .01
-
대기오염 가스 및 극초미세먼지 측정기 개발
한국대기환경학회 학술대회논문집
2023 .10
-
역학-통계모형 결합을 통한 계절 내 기온 예측 성능의 향상
한국기상학회 학술대회 논문집
2021 .10
-
미세먼지·초미세먼지 장기변동성에 미치는 기상장에 관한 연구
한국기상학회 학술대회 논문집
2017 .05
-
미세먼지 측정넷을 활용한 전국 지역별 초미세 입자 농도 및 크기 분포 분석
한국기상학회 학술대회 논문집
2022 .04
-
기후 데이터를 활용한 미세먼지가 가정용 전력소비량에 미치는 영향 연구 - 서울지역 봄철(4월), 가을철(10월)을 중심으로 -
한국재난정보학회 논문집
2022 .09
-
기상요소와 미세먼지 농도 간 능형회귀 분석을 통한 미세먼지 변동지수 개발 연구
한국대기환경학회 학술대회논문집
2021 .10
이 논문의 저자 정보
최근 본 자료
댓글(0)
0