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
이진효 (서울특별시 기후환경본부) 사창훈 (서울특별시 기후환경본부) 윤태호 (서울특별시 보건환경연구원) 최용석 (서울특별시 보건환경연구원) 이현정 (제주대학교) 구자용 (서울시립대학교)
저널정보
한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제40권 제5호
발행연도
2024.10
수록면
558 - 571 (14page)
DOI
10.5572/KOSAE.2024.40.5.558

이용수

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

초록· 키워드

오류제보하기
A machine learning-based classification model was applied to identify the main influencing factors affecting O₃advisory (triggered when hourly average O₃ concentrations exceed 0.12 ppm), using existing 25 urban air quality monitoring networks data from Seoul and meteorological data from Seoul automatic weather station (Jongno-gu). From May to September 2023, data were collected and analyzed. The dataset comprised 19 variables, including urban air quality metrics (such as O₃, PM<SUB>2.5</SUB>, PM<SUB>10</SUB>, NO<SUB>x</SUB>) and meteorological parameters (such as wind speed, temperature, relative humidity, rain probability, and cloud cover), recorded on an hourly basis. Using this data, two classification models were developed: the first model (analysis model, ANM) employed decision tree and random forest algorithms to identify the main influencing factors affecting high O₃ concentration events. The second model (prediction model, PRM) was designed to predict the likelihood of O₃ advisory for the following day. Through the application of ANM, the main influencing factors affecting high O₃ concentration were identified, with PM<SUB>2.5</SUB>, PM<SUB>10</SUB>, and temperature emerging as significant variables affecting O₃ advisory. And both decision tree and random forest models have demonstrated strong classification performance. These results indicate that the models effectively classified the data into category 0 (no O₃ advisory) and category 1 (O₃ advisory). Additionally, a second classification model (PRM) was developed to predict the likelihood of O₃ advisory in Seoul for the following day. This model utilized seven independent variables: temperature, relative humidity, rain probability, cloud cover, and forecasted air quality levels (PM<SUB>2.5</SUB>, PM<SUB>10</SUB>, O₃). Overall, these findings suggest that PRM is a viable tool for predicting next-day O₃ advisory. In this study, the application of the proposed classification model methodology based on real-time air quality and meteorological data for a given region is expected to quantitatively explain the performance of PRM and be usefully utilized in reducing O₃ exposure for sensitive and vulnerable populations.
#O₃ #O₃ advisory #Classification model #Decision tree #Random forest

목차

Abstract
1. 서론
2. 연구 방법
3. 결과 및 고찰
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 논문과 함께 이용한 논문

한국형 대기질 박스모델을 이용한 서울 지역 오존과 질산염의 전구물질 민감도 분석
박성훈 ,  여민승 한국대기환경학회 학술대회논문집 2024 .10
지난 20년간 제주지역 오존의 장기변화 추세 및 최근 고농도 사례 분석
홍선옥 ,  송상근 한국대기환경학회지(국문) 2022 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-090975446