PNC 딥러닝 모델을 이용한 미세먼지 납 농도 예측

• 영문명: Prediction of Atmospheric Lead Concentration Using the PNC Deep Learning Model
• 발행기관: 한국전자통신학회
• 저자명: 이은서(Eun-Seo Lee) 배영철(Young-Chul Bae)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제3호, 543~550쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

본 연구는 수도권(서울)의 2017~2024년 납(Pb) 농도 및 기상 데이터를 활용하여 일 단위 납 농도를 예측하는 딥러닝 기반 모델을 비교 분석하였다. 입력 변수로는 8개의 기상 요소와 과거 3일간 납 농도 값을 활용하였다. CNN, LSTM, GRU, TCN, Transformer, PNC 모델을 적용한 결과, PNC 모델이 시험 데이터 기준 RMSE 17.34, MAE 10.45로 가장 우수한 성능을 보였다. 본 연구는 중금속 예측에 있어 데이터 기반 모델의 적용 가능성을 확인하였으며, 향후 지역 확장 및 고농도 대응 성능 개선에 대한 연구가 필요하다.

영문 초록

This study compares deep learning models for daily lead concentration prediction using meteorological data from Seoul (2017–2024). Eight weather variables and three-days Pb histories were used as input. Among CNN, LSTM, GRU, TCN, Transformer, and PNC, the PNC model showed the best performance (RMSE 17.34, MAE 10.45). The results confirm the potential of data-driven Pb forecasting and suggest directions for improvement in high-concentration prediction.

목차

Ⅰ. 서 론

Ⅱ. 데이터셋 및 전처리

Ⅲ. 모델 구조 및 학습 방법

Ⅳ. 실험결과 및 분석

Ⅴ. 결론

References

키워드

납 농도 예측 딥러닝 PNC 모델 시계열 분석 Pb Prediction Deep Learning PNC Model Time Series