LSTM-based Fine Dust Concentration Prediction using Meteorogical factors and Air Pollution factors

기상 인자와 대기오염 인자를 활용한 LSTM 기반의 미세먼지 농도 예측

미세먼지(PM10, PM2.5)는 배출가스 증가와 함께 빠르게 악화되어 왔으며, 다양한 화학성분 뿐만 아니라 금속 성분이 포함되어 있어 인체에 큰 유해성을 발생한다. 이에 정부는 미세먼지 저감 정책 및 법률을 통해 개선하고자 했지만, 2013년부터 그 효력을 잃기 시작하였다. 이에 본 연구에서는 미세먼지 저감 정책 및 법률을 수립하는데 있어 가장 중요한 요소인 미세먼지 농도를 예측하는 연구를 진행한다. 이전 연구들에서 미세먼지 영향 요소들이 시계열 기반의 데이터(기상인자와 대기오염 인자)인 것을 확인하였기에, 시계열 데이터에 좋은 성능을 보이는 LSTM 알고리즘을 사용하여 학습 후, 서울시 '구별' '시간단위' 미세먼지 농도 예측에 대한 예측 오차(RMSE, MAE) 성능을 비교하였다. 실험 결과 PM10의 경우 (7.2, 4.78), PM2.5의 경우 (4.7, 3.2)의 예측 오차를 보였으며, 금천구의 경우 PM10이 (5.3, 3.71), PM2.5에서 (3.5, 2.5)로 가장 좋은 성능을 보였다.