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
- 발행연도
- 2019.4
- 수록면
- 214 - 225 (12page)
- DOI
- 10.5572/KOSAE.2019.35.2.214
이용수
초록· 키워드
오류제보하기
A deep neural network (DNN) model of multi-layer perceptron with 3 or 4 hidden layers is developed to predict the air qualities. The DNN model takes the past 3 days of the hourly concentration measurements of the pollutants (CO, SO₂, NO₂, O₃, PM<SUB>10</SUB>, PM<SUB>2.5</SUB>) and the meteorology data (wind speed, wind direction, air temperature, air humidity), and then predicts the hourly concentration of the pollutants for the next 24 hours. The DNN model was compared against the observations from all nationwide air quality monitoring stations which includes 115 sites in 7 metropolitan cities in South Korea. The index of agreement (IOA) was found to be 0.7~0.8, based upon the 6,505 comparison data sets from January 1, 2017 to September 30, 2017. In the unit of air quality grade, which can be evaluated from the pollutant concentration level, 60%～80% cases of the DNN predictions agree with those of the observations. For the region-wide PM<SUB>10</SUB> grade, the DNN predicts exactly the 75%～85% cases of the observations, which is in about the same accuracy range of the numerical air quality models of the current operative use. Yet, for the region-wide PM<SUB>2.5</SUB> grade, the cases of the accurate predictions of DNN is about twice of those of the numerical model. In the metropolitan Gwangju, for an example, the DNN predicts exactly the 211 next days of the PM<SUB>2.5</SUB> grade, while the numerical model forecasts just 120 days correctly.
목차
Abstract
1. 서론
2. DNN 모델구현
3. DNN 모델적용
4. DNN 모델의 성능평가
5. 결론
References
참고문헌 (17)
참고문헌 신청
Y. Bengio / 2013 / Representation Learning: A Review and New Perspectives / IEEE Transactions on Pattern Analysis and Machine Intelligence 35(8):1798~1828
Y. Bengio / 1994 / Learning long-term dependencies with gradient descent is difficult / IEEE Transactions on Neural Networks 5(2):157~166
Dahl, G. E. / 2013 / Improving deep neural networks for LVCSR using rectified linear units and dropout / 2013 IEEE International Conference on Acoustics, Speech and Signal Processing :8609~8613
P. Goyal / 2006 / Statistical models for the prediction of respirable suspended particulate matter in urban cities / Atmospheric Environment 40(11):2068~2077
Geoffrey E. Hinton / 2007 / Learning multiple layers of representation / Trends in Cognitive Sciences 11(10):428~434
Y. Bengio / 1994 / Learning long-term dependencies with gradient descent is difficult / IEEE Transactions on Neural Networks 5(2):157~166
Dahl, G. E. / 2013 / Improving deep neural networks for LVCSR using rectified linear units and dropout / 2013 IEEE International Conference on Acoustics, Speech and Signal Processing :8609~8613
P. Goyal / 2006 / Statistical models for the prediction of respirable suspended particulate matter in urban cities / Atmospheric Environment 40(11):2068~2077
Geoffrey E. Hinton / 2007 / Learning multiple layers of representation / Trends in Cognitive Sciences 11(10):428~434
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
2017년 노후 석탄화력 가동중단에 따른 초미세먼지 개선 효과 분석 및 고찰
한국대기환경학회 학술대회논문집
2018 .10
-
Development of a Daily PM10 and PM2.5 Prediction System Based on Deep Long Short-term Memory Neural Network
한국대기환경학회 학술대회논문집
2020 .10
-
Air Quality Change in Korea under COVID-19 Social Distancing: Focusing on PM2.5
한국기상학회 학술대회 논문집
2020 .10
-
미세먼지 저감 정책 추진방향 및 주요 내용: 제3차 대기환경개선 종합계획 수립 연구를 중심으로
한국대기환경학회 학술대회논문집
2022 .10
-
머신러닝 및 딥러닝 기법을 이용한 대기질 예측 모델 구축 및 평가
한국대기환경학회 학술대회논문집
2022 .10
-
대기환경지수 기반 2016-2022년 시도별 대기오염물질의 농도 변화 분석
한국대기환경학회 학술대회논문집
2023 .10
-
기상과 대기질 자료동화를 통한 대기질모델의 예측성능 개선
한국대기환경학회 학술대회논문집
2023 .10
-
대기질 모델링 시스템 기반 초미세먼지 농도 추세에 기상 인자가 미친 영향 분석: 최근 4년 계절관리제 기간을 중심으로
한국대기환경학회 학술대회논문집
2020 .10
-
딥 러닝과 KSTAR 초전도 자석
물리학과 첨단기술
2022 .04
-
도시 숲이 대기 흐름과 대기질에 미치는 영향에 관한 수치 연구
한국대기환경학회 학술대회논문집
2022 .10
-
Deep learning-based post-processing of numerical weather predictions
한국기상학회 학술대회 논문집
2022 .10
-
딥러닝을 이용한 장기 파랑예측 가능성 연구
한국연안방재학회지
2020 .01
-
대기환경기준의 의미와 평가 방향
한국대기환경학회 학술대회논문집
2015 .08
-
군집분석을 활용한 부산지역 오존, PM10 측정소의 유사성 분석
한국환경과학회지
2017 .08
-
대기오염물질의 실시간 측정망 자료를 활용한 PM1.0과 PM2.5의 화학적 특성 비교 및 발생 특성 규명
한국대기환경학회 학술대회논문집
2022 .10
-
대기질 지수(AQI)를 이용한 서울 지역의 대기질 비교 연구
한국대기환경학회 학술대회논문집
2017 .11
-
종합적 대기질 관측 연구
한국대기환경학회 학술대회논문집
2022 .10
-
부산지역 대기오염물질의 시 · 공간적 변화 (2010~2018)
한국대기환경학회지(국문)
2020 .06
-
도시대기관측소의 대규모 데이터를 기반으로 한 PM2.5 고농도 사례의 시·공간 변화 패턴 분석
한국대기환경학회 학술대회논문집
2019 .11
-
심층신경망으로 가는 통계 여행, 첫 번째 여행: 회귀모형에서 심층신경망으로
응용통계연구
2024 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
서울의 초미세먼지 농도 추이
여민주
,
임윤석
,
유승성
외 2명
한국대기환경학회지(국문)
2019
.08
인공지능 딥러닝을 이용한 엘니뇨 예측시스템 개발
김동훈
,
우승범
한국기상학회 학술대회 논문집
2017
.10
태풍사전방재모델의 예측 정확도 향상을 위한 연구 - Part I: 고해상도 해수면 온도 적용과 기상 자료동화에 대한 WRF 민감도 분석
나하나
,
정우식
한국대기환경학회지(국문)
2019
.06
유한요소법을 이용한 곡관의 자긴가공 해석
박찬중
,
고승기
,
나의균
외 1명
대한기계학회 춘추학술대회
2008
.11
대기오염물질의 실시간 단기 예측을 위한 머신러닝 기법의 적용 및 평가
김영일
,
이권호
,
박승한
한국대기환경학회지(국문)
2023
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-539-000680621