미세먼지 예측을 위한 머신러닝 모델 비교 연구
A Comparative Study on Machine Learning Model for Fine Dust Prediction
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 미세먼지는 국민의 건강을 위협하는 사회적 문제로 떠오르고 있다. 코로나19의 문제에서 자유로워진 요즘 마스크의 필요성이 떨어지며 국민이 다시 미세먼지에 노출되고 있다. 미세먼지는 여러 폐질환과 뇌질환 등 심각한 질병을 발생할 수 있어, 특히 주의가 필요하다. 이러한 미세먼지 데이터를 분석해 위협을 대비하기 위한 목적으로 본 연구는 머신러닝을 기반으로 기후, 대기질 데이터를 이용한 미세먼지(PM10) 예측 모델을 제안한다. 다중회귀분석을 통하여 변수들의 유의성을 확인하고 7가지의 머신러닝 모델을 대상으로 RMSE 값을 도출하여 비교분석하였다. 비교한 결과, 선형회귀, SVM, 랜덤포레스트 모델이 상대적으로 좋은 성능을 내는 것을 확인하였다. 본 연구는 향후에 미세먼지 데이터를 통해 예측정확도를 높여 미세먼지 위협에 대비하는 데 기여할 것으로 예상한다.
Abstract
Recently, fine dust has emerged as a social issue that threatens the health of the people. These days, the need for masks is decreasing, and the people are exposed to fine dust again. Fine dust can cause serious diseases such as lung diseases and brain diseases, so special attention is required. For the purpose of analyzing such fine dust data and preparing for threats, this study proposes a fine dust(PM 10) prediction model using climate and air quality data based on machine learning. The significance of variables was confirmed through multiple regression analysis, and RMSE values were derived and compared for 7 machine learning models. As a result of the comparison, it was confirmed that the linear regression, SVM, and random forest models performed relatively well. This study is expected to contribute to preparing for the threat of fine dust by increasing the prediction accuracy through fine dust data in the future.
참고문헌 (12)
- Kim, K. H., "A review on the human health impact of airborne particulate matter", Environment International, 74, pp.136~143 (2015), Elsevier BV
- Cori, L., "Risk Perception of Air Pollution : A Systematic Review Focused on Particulate Matter Exposure", International Journal of Environmental Research and Public Health, 17(17), pp.6424~ (2020), MDPI AG
- Lim, M. H., "Adverse Effect of Exposure to Ambient Particula r Matter on Neuropsychiatric Disorder", Anxiety and Mood, 16(2), pp.57~75 (2020)
- Cho, M. H., "A Study on the History, Classification and Development Direction of Artificial Intelligence", The Journal of the Korea institute of electronic communication sciences, 16(2), pp.307~312 (2021)
- 성상하, "미세먼지 예측을 위한 기계학습 모델간 성능 비교 연구 : 국내 발생 데이터를 중심으로", 한국혁신학회지, 15(4), pp.339~357 (2020)
- 김삼용, "머신러닝을 이용한 미세먼지 예측 연구", 한국데이터정보과학회지, 34(5), pp.763~773 (2023)
- 김혜림, "기상 데이터와 미세먼지 데이터를활용한 머신러닝 기반 미세먼지 예측 모형", 한국지리정보학회지, 24(1), pp.92~111 (2021)
- 김광수, "다중회귀분석을 이용한 ALC 경도예측에 관한 연구", 7(2), pp.101~111 (2012), 한국벤처장업학회
- 오정아, "의사결정나무 분석에 기반을 둔 노인 삶의 만족 예측", 사회과학연구, 35(2), pp.125~145 (2024)
- 정지현, "앙상블 기법을 이용한 가뭄지수 예측", 한국데이터정보과학회지, 28(5), pp.1125~1132 (2017)
- 이용은, "K-겹 교차검증과 서포트 벡터 머신을 이용한 고무 오링 결함검출 시스템", 19(1), pp.68~73 (2021), 한국가시화정보학회
- Chai, T., "Root mean square error (RMSE) or mean absolute error (MAE)?", Arguments against avoiding RMSE in the literature. Geoscientific model development, 7(3), pp.1247~1250 (2014)