정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document :
| 한글제목(Korean Title) |
지능형 도시에서 미세먼지 예측을 위한 심층 학습 기법 적합성 평가 |
| 영문제목(English Title) |
Deep Learning Models Conformity Assessment for Particulate Matter Prediction in Smart Cities |
| 저자(Author) |
신익희
문용혁
이용주
Ik-Hee Shin
Yong-Hyuk Moon
Yong-Ju Lee
|
| 원문수록처(Citation) |
VOL 25 NO. 12 PP. 0610 ~ 0615 (2019. 12) |
한글내용
(Korean Abstract) |
대기중 미세먼지 농도 증가와 미세먼지가 인체에 끼치는 해로움에 대한 관심이 커지면서 미세먼지에 대한 신체 노출을 줄이기 위한 방법으로 미세먼지 예측이 떠오르고 있다. 또한 지역별 미세먼지 수치 관측에 대한 요구가 증가하고 있지만 미세먼지 관측소가 부족해 요구를 만족하기 어렵다. 본 논문에서는 스마트 시티 데이터를 활용하여 미세먼지 관측소가 부족한 문제를 해결하고 미세먼지 수치를 예측하고자 한다. 스마트 시티 데이터 같은 시계열 데이터를 다루는 딥러닝 모델은 입력 데이터의 특성 수에 영향을 받기때문에 미세먼지 예측에 적합한 모델을 찾아야한다. 데이터 특성이 다른 두 스마트 시티 데이터에 대해 다층 신경망, LSTM, CNN-LSTM 모델을 학습하여 RMSE, MAPE의 값과 표준편차를 비교하여 적합한 딥러닝 모델을 제시한다. 제시한 모델과 기존 연구들에서 사용된 모델을 비교한 결과 제시한 모델이 더 정확한 예측을 수행하였다.
|
영문내용
(English Abstract) |
An increase of particulate matter (PM) concentration in the atmosphere and interest about the harmful effects of PM on the human body are attracting more attention. PM prediction takes center stage in reducing the body’s exposure to PM. Also, the demand of local fine dust prediction has increased but the number of PM observation stations are inadequateto satisfy the demand. In this paper, we solve this problem and predict PM value by using smart city data. The deep learning models, using time-series data such assmart city data, are affected by the number of features in data. For this reason, finding suitable models for PM prediction is crucial. We train the multilayer perceptron, LSTM, CNN-LSTM model about two kinds of smart city data which have a different number of features. After training, we compute RMSE and MAPE for each network and suggest the suitable deep learning model based on value of RMSE and MAPE. When we compare the suggested model to various models used in other studies, the suggested model is predicted more precisely.
|
| 키워드(Keyword) |
스마트 시티
미세먼지 예측
시계열 데이터
딥러닝
smart city
particulate matter prediction
time series data
deep learning
|
| 파일첨부 |
PDF 다운로드
|
