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) 이규태 (강릉원주대학교)
저널정보
한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제38권 제1호
발행연도
2022.2
수록면
57 - 73 (17page)
DOI
10.5572/KOSAE.2022.38.1.57

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2022

시계열 머신러닝 기법을 이용한 컬럼에어로솔 예측 및 평가
김영일 ,  이권호 ,  이규태 한국대기환경학회지(국문) 2022.02 학술저널

2021

시계열 머신러닝 기법을 이용한 컬럼 에어로솔 예측 및 평가
김영일 ,  이권호 한국대기환경학회 학술대회논문집 2021.10 학술대회자료

초록· 키워드

오류제보하기
Column aerosol observation has the advantage of obtaining microphysical information of aerosols present in the vertical atmospheric column at a given point. In this study, in order to predict column aerosol loads in the local atmosphere, time series machine learning technique was applied by using Aerosol Optical Depth (AOD) and Ångström Exponent (AE) data acquired from the selected ground-based Sun-sky radiometer observation network. For the determination of the best time series machine learning model, the independent optional properties including three regression models (glmnet, lm, and spark), four training period (1-4 years), and five regularization parameters (0-0.08) were tested in time series modelling. The results showed that spark model with the 1 year training period and regularization constant of 0.08 has the highest accuracy (RMSE = 0.302, bias = 0.213) for the AOD prediction. In the case of AE prediction, the highest accuracy (RMSE = 0.356, bias = 0.238) was obtained by the glmnet model with 1 year training period and the regularization constant of 0.08. In addition, machine learning clustering results shows that urban/industrial aerosol types occurred at a rate of 63.7% in Korea. The methodology and results of this study can be used for short-term aerosol prediction models and remote sensing data.
#Aerosol #Machine learning #Aerosol optical depth #Classification #Air quality

목차

Abstract
1. 서론
2. 자료 및 방법
3. 결과 및 토의
4. 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
국내 기준성 대기오염물질의 고농도발생 현황과 권역간의 연관성분석: PM2.5를 중심으로
김태희 ,  명지수 ,  정미숙 외 2명 한국대기환경학회지(국문) 2020 .04
통계분석을 이용한 경기도 대기 중 미세먼지 및 중금속 분포 특성
김종수 ,  홍순모 ,  김명숙 외 2명 한국대기환경학회지(국문) 2014 .06
소형 선박에서 배출되는 대기오염물질의 배출 특성 분석과 배출량 추정
김민수 ,  김정호 ,  이용일 외 4명 한국대기환경학회지(국문) 2022 .04
질량균형방정식과 다중선형회귀법을 이용한 초등학교 교실 PM2.5 농도 예측과 학교 주변 외부 농도와 난류특성의 영향
강지원 ,  최원식 한국대기환경학회 학술대회논문집 2021 .10

최근 본 자료

전체보기

댓글(0)

0