복합 신경망 구조를 이용한 미세먼지 위험 단계 예측 모델 설계 및 분석

Abstract

최근 데이터 분석 분야에서는 딥러닝 신경망 기술을 도입하여 정확도가 매우 높은 데이터 예측 결과를 얻고 있다. 하지만 기존의 데이터 분석에 사용되는 신경망 구조는 다양한 환경 변수를 고려한 예측 결과를 얻을 수 없는 문제가 있다. 이러한 상황에서 여러 환경 변수와 예측 목표 간 상관 관계를 얻고 결과를 예측할 수 있는 데이터 예측 모델은 필수적이다.

기존 방법을 사용하여 미세먼지 위험 단계를 예측하는 모델을 설계할 때, 미세먼지에 대한 데이터만 사용하여 데이터 예측을 수행한다. 하지만 이러한 경우 미세먼지 수치에 영향을 줄 수 있는 다양한 환경 변수(예: 풍향, 풍속, 주변국의 미세먼지 수치 등)를 고려할 수 없다는 단점이 있다. 따라서 본 논문에서는 RNN(Recurrent Neural Network) 및 1차원(선형) CNN (Convolutional Neural Network), LSTM(Long Short-Term Memory) 셀, 다중 입력 구조(Multi-Input Structure) 등의 신경망 모델 설계 방법을 결합한 복합 신경망 구조를 제안하고, 실험을 통해 기존의 신경망 모델과 비교하여 새로운 알고리즘 성능을 증명하였다.

알고리즘 증명을 위해 최근 10년 간 미세먼지 및 환경 변수에 대한 데이터 셋을 준비하고 기존의 데이터 예측 모델과 모델 손실 값 비교 및 단계별 예측 정확도 비교를 통해 제안된 신경망 모델의 성능을 평가하였다. 제안된 신경망 모델은 예측 목표의 환경 변수를 고려하여 데이터 예측을 수행하였으며, 미세먼지 수치에 따라 미세먼지 위험 단계별 예측 정확도를 향상시키는 것을 결과를 통해 확인하였다.