LSTM과 GRU를 활용한 도시공간 특성 기반의 평균기온 예측 모델: 강원도 원주시를 대상으로
Prediction Model of Average Temperature based on Characteristic of Urban-space Using LSTM and GRU: The Case of Wonju City
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
지구온난화로 인한 기후변화로 연평균기온이 계속해서 상승하는 추세를 보이면서 온열질환 발생률과 사망자 수도 증가하고 있어 이를 위한 다양한 대안과연구가 수행될 필요가 있다. 이에 본 논문에서는 연평균기온 상승률 및 변화량이 높은 원주시를 대상으로 통계분석을 통해 평균기온 상승 관련 변수를 추출하고, 추출된 변수를 토대로 딥러닝 기반의 LSTM과GRU를 활용하여 평균기온을 예측하자 한다. 선행연구 고찰을 토대로 수집한 26개의 변수에 대해 상관분석 및 회귀분석을 통해 3가지 모형을 추출하였고, 이를 바탕으로 LSTM과 GRU 분석을 진행하였다. 분석결과, 변수가 12개인 세 번째 모형에서 테스트 데이터 MSE가 LSTM – 0.4399(2.94°C), GRU – 0.4444 (2.97°C)로 가장 낮게 나타났고, 검증 데이터와 테스트 데이터 간의 MAE 차이가 거의 발생하지 않았다. 본 논문은 연평균기온 상승 문제 적응을 위한 데이터확보 방안으로 통계분석을 통해 변수를 추출하고, 딥러닝을 활용해 평균기온을 예측하였다는 점에서 의의가 있다. 또한, 평균기온 변화 추세 예측과 함께 원주시의 평균기온 상승에 영향을 미치는 도시공간 요소를 추출하여, 획일화된 기후변화 적응방안이 아닌지역별 영향 요소를 고려한 적절한 방안을 마련할 수있을 것으로 기대된다.
Abstract
As the annual average temperature continues to rise due to climate change caused by global warming, the incidence of heat diseases and the number of deaths are also increasing, which is expected to require various alternatives and research. In this study, the average temperature rise-related variables are extracted through statistical analysis for Wonju City, where the average temperature increase rate and change are high, and the average temperature is predicted by utilizing deep learning-based LSTM and GRU based on the extracted variables. Three models were extracted through correlation and regression analysis for 26 variables collected based on prior research consideration, based on which LSTM and GRU analysis were conducted. The analysis showed the lowest MSE of LSTM – 0.4399(2.94°C), GRU – 0.4444(2.97°C) in the third model with 12 variables, with little MAE difference between validation and test data. This study is significant in that it extracted variables through statistical analysis and predicted average temperature rise using deep learning as a data acquisition method for adapting the annual average temperature rise problem. In addition, it is expected that urban space factors that affect the average temperature rise in Wonju City will be extracted along with predicting the trend of average temperature change, and appropriate measures will be prepared to take into account regional impact factors, not uniform climate change adaptation.
참고문헌 (32)
- 고동원, "근린환경특성과 도시열섬현상과의 상호관계에 관한 연구", 도시설계, 20(3), pp.55~67 (2019), 한국도시설계학회[DOI]
- 기상청, "한반도 100년의 기후변화", 기상청, ~ (2018)
- 한국기후변화평가보고서, "기상청", 기상청, ~ (2020)
- "기상청 날씨누리"[URL]
- "원주통계정보"[URL]
- 김장경, "공공 빅데이터를 이용한 폭염취약성 지수 개발에 관한 연구", 대한토목학회 정기학술대회 (2019)
- 김진아, "제주의 과거와 미래폭염 및 열대야일수 분석", 한국기상학회 추계학술대회 논문집, pp.876~877 (2015)
- 김학열, "도시환경인자에 따른 대기온도 변화 연구 - 서울시를 대상으로-", 국토계획, 38(5), pp.259~269 (2003), 대한국토·도시계획학회
- 박경훈, "토지피복유형과 지형특성이 폭염일수에 미치는 영향 분석", 한국지리정보학회지, 19(4), pp.76~91 (2016), 한국지리정보학회[DOI]
- 송봉근, "GIS 기반 노인인구 분포지역의 공간적 특성과 폭염의 관계 분석 - 창원시를 대상으로 -", 한국지리정보학회지, 23(3), pp.68~84 (2020), 한국지리정보학회[DOI]
- "에어코리아"[URL]
- 오규식, "도시공간 구성요소와 도시열섬현상의 관련성 연구", 도시설계, 6(1), pp.47~63 (2005), 한국도시설계학회
- 오진우, "도시환경특성에 따른 딥러닝 기반 도시열섬현상 예측: 서울 지역을 중심으로", 석사, pp.2020
- 유동수, "RCP 시나리오기반 평균기온, 적산온도 불확실성 보완 프로그램", 한국기후변화학회지, 11(2), pp.113~122 (2020), 한국기후변화학회[DOI]
- 윤진일, "우리 나라의 기온상승-도시효과인가 지구온난화인가", 한국농림기상학회지, 4(1), pp.58~63 (2002), 한국농림기상학회
- 이슬기, "인공신경망을 이용한 도시기온 예측모형 구축", 국토계획, 46(1), pp.129~142 (2011), 대한국토·도시계획학회
- 이승호, "한국의 도시화에 의한 극한기온의 변화", 대한지리학회지, 46(3), pp.257~276 (2011), 대한지리학회
- 이재호, "기상 관측 자료를 이용한 강릉의 기후변화 추세 분석", 한국기후변화학회지, 2(2), pp.133~141 (2011)
- 장재연, "기후변화, 지구온난화가 인체 건강에 미치는영향", 대우재단 지식의 지평, 6, pp.159~175 (2009)
- 정용진, "GRU 를 이용한 미세먼지 (PM10) 농도 예측 모델", 한국정보통신학회 종합학술대회 논문집, 23(2), pp.644~646 (2019)
- 조경우, "LSTM 을 이용한PM10 미세먼지 농도 예측", 한국정보통신학회 종합학술대회논문집, 23(2), pp.632~634 (2019)
- 조수현, "풍향풍속과미세먼지의 상관관계 분석과 LSTM 을 이용한 미세먼지 예측", 한국정보과학회 학술발표논문집, pp.1649~1651 (2020)
- 차영화, "토지이용․토지피복 특성이 서울시 도시기온에 미치는 영향", 서울도시연구, 10(4), pp.107~120 (2009), 서울연구원[DOI]
- Bengio, Y., "Learning long-term dependencies with gradient descent is difficult", IEEE Transactions on Neural Networks, 5(2), pp.157~166 (1994)[DOI]
- "phrase representations using RNN encoder-decoder for statistical machine translation. arXiv preprint arXiv:1406.1078" (2014)[URL]
- "Empirical evaluation of gated recurrent neural networks on sequence modeling. arXiv preprint arXiv:1412.3555" (2014)[URL]
- Hair, J. F., "Multivariate Data Analysis with Readings" (1995), Prentice Hall
- Hochreiter, S, "Long short-term memory", Neural Computation, 9(8), pp.1735~1780 (1997)
- Hochreiter, S, "Recurrent neural net learning and vanishing gradient", International Journal of Uncertainity, Fuzziness and Knowledge-Based Systems, 6(2), pp.107~116 (1998)
- "Visualizing and understanding recurrent networks. arXiv preprint arXiv:1506.02078" (2015)[URL]
- Rea, L. M, "Designing and Conducting Survey Research: A comprehensive guide" (2014), John Wiley & Sons
- "SmartPLS 3. Bönningstedt: SmartPLS" (2015)[URL]