통합 검색 | Korea Science

안흥순;동종인
- 한국대기환경학회:학술대회논문집
- /
- 한국대기환경학회 2002년도 추계학술대회 논문집
- /
- pp.135-136
- /
- 2002
최근 들어, 대도시 지역에서 오존(O$_3$)농도가 환경기준을 초과하는 빈도가 증가함에 따라 대기 중 광화학 대기오염현상과 그에 따른 오존 등 2차 광화학 오염물질에 대해 많은 관심이 집중되고 있다. 이러한 복잡한 대기중의 반응을 이해하고 해석하기 위하여 Smog Chamber를 이용한 대기 중 광화학 반응 연구가 진행 중에 있으며, 국내에서도 연구가 이루어지고 있다 Smog Chamber를 통해 대기 중의 광화학 반응의 세부적인 이해와 수학적 모델에 필요한 화학반응들의 변수를 제공하는 등 포괄적이고 종합적인 연구를 수행할 수 있다. (중략)
PDF

최인호;이원영;은범진;허정숙;장광현;오종민
- 환경영향평가
- /
- 제31권2호
- /
- pp.83-94
- /
- 2022
본 연구는 국가측정망(에어코리아)에서 제공하는 2017년, 2019년 및 2020년도 대기질확정 데이터를 이용하여 Deep Neural Network(DNN) 모델을 학습하고, 2016년과 2018년도 데이터를 이용하여 학습된 모델을 평가·검증하였다. 피어슨 상관계수 0.2를 기준으로 SO₂, CO, NO₂, PM₁₀ 항목을 독립변수로 하여 초기 모델링을 진행하였고, 예측의 정확도를 높이기 위한 방법으로 시계열적 요소를 반영한 월별 모델링(개선모델)을 진행하여 초기모델과 비교·분석하였다. 분석에 사용한 지표는 RMSE(Root mean square error) 방법으로 오차를 계산하였으며, 예측 결과 초기모델의 RMSE값은 5.78로 국가측정망의 예측이동 평균모델의 결과(10.77)와 비교하여 초기모델에서 약 46% 오차가 감소하였다. 또한, 개선모델의 경우, 초기모델 대비 11월 모델을 제외한 모든 월별모델에서 정확도 향상이 있었다. 따라서, 본 연구에서는 DNN 모델링이 PM_2.5 농도 예측에 효과적인 방법임을 제안할 수 있었으며, 향후 추가적인 독립변수 선정 및 시계열 요소를 고려한 방법으로 모델의 정확도 개선 가능성을 확인할 수 있었다.
https://doi.org/10.14249/eia.2022.31.2.83 인용 PDF KSCI