미세먼지 예측 성능 개선을 위한 시공간 트랜스포머 모델의 적용

김영광; 김복주; 안성만

추천

검색

질문

자료유형: 학술저널

저자정보: 김영광 (웨슬리퀘스트) 김복주 (우리에프아이에스) 안성만 (국민대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제28권 제1호

발행연도: 2022.3

수록면: 329 - 352 (24page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2022

복원오류를 활용한 시공간 트랜스포머 모델의 미세먼지 예측 성능 향상

김영광 한국지능정보시스템학회 학술대회논문집 2022.06 학술대회자료

미세먼지 예측 성능 개선을 위한 시공간 트랜스포머 모델의 적용

김영광 , 김복주 , 안성만 지능정보연구 2022.03 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

미세먼지는 폐나 혈관에 침투해 각종 심장 질환이나 폐암 등의 호흡기 질환을 일으키는 것으로 보고되고 있다. 지하철은 일 평균 천만 명이 이용하는 교통수단으로, 깨끗하고 쾌적한 환경조성이 중요하나 지하터널을 통과하는 지하철의 운행 특성과 터널에 갇힌 미세먼지가 열차 풍으로 인해 지하역사로 이동하는 등의 문제로 지하역사의 미세먼지 오염도는 높은 것으로 나타나고 있다. 환경부와 서울시는 지하역사 공기질 개선대책을 수립하여 다양한 미세먼지 저감 노력을 기울이고 있다. 스마트 공기질 관리 시스템은 공기질 데이터 수집 및 미세먼지 농도를 예측하여 공기질을 관리하는 시스템으로 미세먼지 농도 예측 모델이 중요한 구성 요소이다. 그동안 시계열 데이터 예측에 관한 다양한 연구가 진행되어왔지만, 지하철 역사의 미세먼지 농도 예측과 관련해서는 통계나 순환신경망 기반의 딥러닝 모델 연구에 국한되어 있다. 이에 본 연구에서는 시공간 트랜스포머를 포함한 4개의 트랜스포머 기반 모델을 제안한다. 서울시 지하철 역사의 대합실을 대상으로 한 시간 후의 미세먼지 농도 예측실험을 수행한 결과, 트랜스포머 기반 모델들의 성능이 기존의 ARIMA, LSTM, Seq2Seq 모델들에 비해 우수한 성능을 나타냄을 확인하였다. 트랜스포머 기반 모델 중에서는 시공간 트랜스포머의 성능이 가장 우수하였다. 데이터 기반의 예측을 통하여 운영되는 스마트 공기질 관리 시스템은 미세먼지 예측의 정확도가 향상될수록 더욱더 효과적이고 에너지 효율적으로 운영될 수 있다. 본 연구 결과는 스마트 공기질 관리 시스템의 효율적 운영에 기여할 수 있을 것으로 기대된다.

It is reported that particulate matter(PM) penetrates the lungs and blood vessels and causes various heart diseases and respiratory diseases such as lung cancer. The subway is a means of transportation used by an average of 10 million people a day, and although it is important to create a clean and comfortable environment, the level of particulate matter pollution is shown to be high. It is because the subways run through an underground tunnel and the particulate matter trapped in the tunnel moves to the underground station due to the train wind. The Ministry of Environment and the Seoul Metropolitan Government are making various efforts to reduce PM concentration by establishing measures to improve air quality at underground stations. The smart air quality management system is a system that manages air quality in advance by collecting air quality data, analyzing and predicting the PM concentration. The prediction model of the PM concentration is an important component of this system. Various studies on time series data prediction are being conducted, but in relation to the PM prediction in subway stations, it is limited to statistical or recurrent neural network-based deep learning model researches. Therefore, in this study, we propose four transformer-based models including spatiotemporal transformers. As a result of performing PM concentration prediction experiments in the waiting rooms of subway stations in Seoul, it was confirmed that the performance of the transformer-based models was superior to that of the existing ARIMA, LSTM, and Seq2Seq models. Among the transformer-based models, the performance of the spatiotemporal transformers was the best. The smart air quality management system operated through data-based prediction becomes more effective and energy efficient as the accuracy of PM prediction improves. The results of this study are expected to contribute to the efficient operation of the smart air quality management system.

#시계열 데이터 분석 #미세먼지 농도 예측 #어텐션 기법 #시공간 트랜스포머 #타임투벡터 임베딩 #Time series data analysis #PM concentration prediction #Attention mechanism #Spatiotemporal transformer #Time to Vector

참고문헌 (48)

참고문헌 신청

권순박. (2018). 공기청정기 실증 사례 분석-지하 역사 스마트 공기질관리시스템 연구 사례. Air Cleaning Technology, 31(3), 39-46.

권순박, 강중구, 류승원, 남궁형규, 박세찬, 김민해, 김진호. (2017). 스마트 철도역사의 인공지능기반 실내공기질 관리기술. 한국철도학회 학술발표대회논문집, 578-580.

김인경, 김대희, 이재구. (2021). Temporal fusion transformer 모델을 활용한 다층 수평 시계열 데이터 분석. 한국정보처리학회 학술대회논문집, 28(1), 479-482.

서울특별시청. (2022년, 1월 27일). 지하역사 공기질 개선(2022), Retrieved 2월 26일, 2022년, from https://yesan.seoul.go.kr/wk/wkSelect.do?itemId=106477 안성만, 정여진, 이재준, 양지헌. (2017). 한국어 음소 단위 lstm 언어모델을 이용한 문장 생성. 지능정보연구, 23(2), 71-88.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김영광

소속기관 웨슬리퀘스트

주요연구분야 공학 > 산업공학

논문수 2 이용수 361

김복주

소속기관 우리에프아이에스

주요연구분야 공학 > 산업공학

논문수 1 이용수 338

안성만

소속기관 국민대학교

주요연구분야 공학 > 산업공학 TOP 0.5% 공학 > 컴퓨터학

논문수 10 이용수 16,618

이 논문과 함께 이용한 논문

음향 이벤트 탐지를 위한 멀티-스케일 특징 기반 트랜스포머 모델

김수종 , 정용주 한국정보기술학회논문지 2022 .06

시공간적 특성을 고려한 신경망 모형 기반 미세먼지 결측치 내삽 연구

황수연 , 최진무 대한지리학회지 2024 .02

기상 데이터 이미지화를 통해 관측소 위치 정보를 활용한 ConvLSTM 기반 미세먼지 농도 예측 모델

김성윤 , 차영은 , 송교원 외 1명 한국정보과학회 학술발표논문집 2023 .12

부가 정보를 활용한 비전 트랜스포머 기반의 추천시스템

권유진 , 최민석 , 조윤호 지능정보연구 2022 .09

BertGCN의 토큰 기반 그래프 구성에 의한 한국어 텍스트 분류 성능 향상

이가은 , 노영준 , 최수정 외 1명 한국정보과학회 학술발표논문집 2023 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-003-001155718

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (48)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)