earticle

영어

In this study, we propose a deep neural network model for PM2.5 prediction in the four metropolitan areas, and analyze the contribution of input factors to the prediction results using layer-wise relevance propagation. The proposed deep neural network forecasting model exhibited an average exponential accuracy of 71%, a high-concentration detection probability of 65%, and a false alarm ratio of 40%. In order to analyze the importance of input factors for these deep neural network forecasting results, we classify the data into regional and PM2.5 concentration level and performed layer-wise relevance propagation. As a result, factors such as pressure, temperature, dew point temperature, relative humidity, U, V, nitrogen dioxide and carbon monoxide were found to be important, regardless of any region and concentration level. On the other hand, accumulated precipitation, sulfur dioxide, PM10, and ozone are shown to have lower importance. In highconcentration cases, the importance of solar radiation and ozone decreased, PM2.5 during time periods close to the prediction time increased, and the importance of CMAQ(The Community Multiscale Air Quality) predictive factors also showed some degree of elevation. The importance of input factors by region are generally similar; however, in the case of Incheon and Northern Gyeonggi Province, the importance of the radiation decreases, showing some similarities to the importance of factors in high concentration patterns. This is analyzed as being due to a higher occurrence of highconcentration data in Incheon and Northern Gyeonggi Province compared to other regions. These analyzing results are expected to be effective in developing forecasting models that improve the prediction accuracy of high concentration and match regional characteristics in the future.

한국어

본 연구에서는 수도권 4개 권역의 PM2.5 예보를 위해 심층신경망 모델을 개발하고, 계층별 관련성 전파를 사용하여 예 측결과에 대한 입력인자들의 기여도를 분석했다. 제안한 심층신경망 예보모델은 평균적으로 지수적중률 71%, 고농도 감 지 확률 65%, 오경보율 40% 정도의 성능을 보였다. 이러한 심층신경망 예보결과에 대한 입력인자들의 중요도를 분석하 기 위해 데이터를 지역 및 PM2.5 농도로 분류하여 계층별 관련성 전파를 수행했다. 그 결과 농도 및 지역에 상관없이 중 요도가 높은 인자는 압력, 온도, 이슬점온도, 상대습도, U, V, 이산화질소, 일산화탄소로 확인된 반면에 누적강수량, 아황 산가스, PM10, 오존은 중요도가 낮은 것으로 관찰되었다. 고농도 사례에서는 일사와 오존의 중요도가 낮아지고, 예측시 간에 근접한 시간대의 PM2.5의 중요도가 높아졌으며, CMAQ(The Community Multiscale Air Quality) 예측인자들의 중 요도도 다소 올라갔다. 지역별 입력인자들의 중요도는 대체로 유사했는데 인천과 경기북부의 경우 일사의 중요도가 낮아 지는 등 고농도 패턴의 인자중요도와 일부 비슷한 결과를 보였다. 이것은 인천과 경기북부가 다른 지역보다 고농도 데이 터가 더 자주 발생하기 때문으로 분석된다. 이러한 인자중요도 결과는 향후 고농도 적중률 향상 및 지역별 특성에 적합 한 예보모델을 개발하는데 활용하면 효과적일 것으로 기대한다.