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
정민우 (안양대학교) 이주용 (안양대학교) 왕경희 (안양대학교) 이채연 (안양대학교) 한승희 (안양대학교) 김희진 (안양대학교) 손승민 (안양대학교) 정필수 (안양대학교) 최대련 (안양대학교) 윤희영 (안양대학교)
저널정보
한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제41권 제1호
발행연도
2025.2
수록면
67 - 82 (16page)
DOI
10.5572/KOSAE.2025.41.1.067

이용수

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

초록· 키워드

오류제보하기
The purpose of this study is to develop an AI model for forecasting the spatial distribution of PM<sub>2.5</sub> concentrations over the Korean Peninsula for the next 24 hours. To achieve this, four Conv-LSTM (Convolutional Long Short-Term Memory) based AI models were proposed, and their forecasting performance was compared with that of the CMAQ (Com- munity Multiscale Air Quality) model to identify the most suitable AI model for this task. The proposed AI models share an identical network structure but differ based on the application of the ReLU activation function: Case 1 (no ReLU function applied), Case 2 (ReLU applied to encoder and decoder layers), Case 3 (ReLU applied to the output layer), and Case 4 (ReLU applied to the encoder, decoder, and output layers). The results showed that although the proposed AI models did not outperform the CMAQ model in terms of data characteristic simulation, they exhibited improved prediction accuracy and spatial pattern simulation performance. Specifically, the Case 3 model exhibited the smallest range of RMSE values, with hourly RMSE ranging from 8.16 to 8.76 μg/m³ and spatial RMSE from 6.60 to 7.26 μg/m³. On average, the Case 3 model showed an improvement of 1.81 μg/m³ in RMSE and 1.31 μg/m³ in spatial RMSE over the CMAQ model, demonstrating the best prediction accuracy and spatial pattern simulation performance among the proposed AI models. Therefore, Case 3 was selected as the most suitable AI model for forecasting the 24-hour PM<sub>2.5</sub> spatial concentration distribution over the Korean Peninsula. To evaluate the spatial distribution simulation performance of the selected Case 3, the PM<sub>2.5</sub> concentrations during the selected high-concentration period were forecasted. The results showed that the model effectively simulated the movement trajectory and distribution, closely resembling the actual data, and accurately forecasted the high-concentration areas. The results of this study suggest that the predictive performance of AI models can vary depending on the use and placement of the ReLU activation function, and demonstrate the potential of the proposed Conv-LSTM-based AI models to overcome the limitations of chemical transport models like the CMAQ model. However, the AI model exhibited limitations in predicting peak concentration values at high-concentration points. Therefore, future research will focus on adjusting the proportion of high-concentration cases to enhance the AI model’s prediction performance.
#PM< #sub> #2.5< #/sub> # forecast #CMAQ #Deep Learning Model #Conv-LSTM

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 논문의 저자 정보

이 논문과 함께 이용한 논문

SARIMAX 및 LSTM을 활용한 한반도 지역의 초미세먼지 예보 평가
이채연 ,  김동건 ,  이주용 외 5명 한국대기환경학회 학술대회논문집 2024 .10
강릉 지역의 주야간 에어로솔 광학 특성과 머신러닝을 이용한 예측
이권호 한국대기환경학회지(국문) 2023 .12
Ensemble 기법의 인공지능모델을 이용한 PM2.5 예측 성능 개선
이주용 ,  김동건 ,  이채연 외 5명 한국대기환경학회 학술대회논문집 2023 .10
PM2.5 구성 성분 입력자료를 이용한 DNN의 XAI 분석과 PM2.5 예측 정확도 개선
이주용 ,  이채연 ,  정민우 외 4명 한국대기환경학회지(국문) 2023 .08
대기오염물질의 실시간 단기 예측을 위한 머신러닝 기법의 적용 및 평가
김영일 ,  이권호 ,  박승한 한국대기환경학회지(국문) 2023 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092303537