2019년 추계학술대회
Current Result Document : 21 / 21
| 한글제목(Korean Title) |
LSTM을 이용한 PM10 미세먼지 농도 예측 |
| 영문제목(English Title) |
PM10 Particulate Matters Concentration Prediction using LSTM |
| 저자(Author) |
조경우
정용진
이종성
오창헌
Kyoung-woo Cho
Yong-jin Jung
Jong-sung Lee
Chang-heon Oh
|
| 원문수록처(Citation) |
VOL 23 NO. 02 PP. 0632 ~ 0634 (2019. 10) |
한글내용
(Korean Abstract) |
산업화로 인한 대기오염 현상의 증대로 미세먼지에 의한 인체 영향에 관해 관심이 높아지고 있다. 이로 인해 미세먼지 예보의 중요성이 높아지고 있으나, 랜덤 특성을 갖는 미세먼지 농도 변화로 인해 예측 정확도 향상에 어려움이 있다. 본 논문에서는 PM10 미세먼지 농도 예측을 위해 딥러닝 기법 중 LSTM을 이용한 미세먼지 농도 예측을 수행한다. 이를 위해 기상 인자 및 대기오염 인자를 활용하여 예측 모델을 설계하고 예측 농도값 및 4단계의 미세먼지 AQI 예측 정확도를 비교한다. |
영문내용
(English Abstract) |
Due to the increase of air pollution caused by industrialization, attention is increasing about the human effect by particulate matters. As a result, the importance of the particulate matters prediction is increasing, but there is a difficulty in improving the prediction accuracy due to the change of the particulate matters concentration having random characteristics. In this paper, we estimate the particulate matters concentration using LSTM in deep learning method for PM10 particulate matters concentration prediction. For this purpose, a predictive model is designed using weather and air pollution factors, and the predicted concentration values and four levels of fine dust AQI prediction accuracy are compared. |
| 키워드(Keyword) |
Particulate matters
Prediction
Deep learning
Recurrent neural network
Long short-term memory
|
| 파일첨부 |
PDF 다운로드
|
