Journal of Intelligence and Information Systems (지능정보연구)

Korea Intelligent Information System Society (한국지능정보시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Development of an Ensemble-Based Multi-Region Integrated Odor Concentration Prediction Model

앙상블 기반의 악취 농도 다지역 통합 예측 모델 개발

  • Seong-Ju Cho (Dept. of Bigdata, Chungbuk National University) ;
  • Woo-seok Choi (Dept. of Bigdata, Chungbuk National University) ;
  • Sang-hyun Choi (Dept. of MIS/Bigdata, Chungbuk National University)
  • 조성주 (충북대학교 빅데이터) ;
  • 최우석 (충북대학교 빅데이터) ;
  • 최상현 (충북대학교 경영정보학과/빅데이터)
  • Received : 2023.09.06
  • Accepted : 2023.09.21
  • Published : 2023.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Air pollution-related diseases are escalating worldwide, with the World Health Organization (WHO) estimating approximately 7 million annual deaths in 2022. The rapid expansion of industrial facilities, increased emissions from various sources, and uncontrolled release of odorous substances have brought air pollution to the forefront of societal concerns. In South Korea, odor is categorized as an independent environmental pollutant, alongside air and water pollution, directly impacting the health of local residents by causing discomfort and aversion. However, the current odor management system in Korea remains inadequate, necessitating improvements. This study aims to enhance the odor management system by analyzing 1,010,749 data points collected from odor sensors located in Osong, Chungcheongbuk-do, using an Ensemble-Based Multi-Region Integrated Odor Concentration Prediction Model. The research results demonstrate that the model based on the XGBoost algorithm exhibited superior performance, with an RMSE of 0.0096, significantly outperforming the single-region model (0.0146) with a 51.9% reduction in mean error size. This underscores the potential for increasing data volume, improving accuracy, and enabling odor prediction in diverse regions using a unified model through the standardization of odor concentration data collected from various regions.

전 세계적으로 대기오염 관련 질병 발병률이 상승하고, 2022년 세계보건기구의 보고에 따르면 매년 약 700만 명의 사망자가 발생하고 있다. 또한, 산업 시설 확장과 다양한 배출원 증가, 그리고 악취 물질의 무분별한 방출로 인해 대기오염 문제는 사회적으로 중요성을 띄고 있다. 한국에서도 악취를 독립적인 환경오염으로 정의하며, 지역 주민의 건강에 직접적인 영향을 미치는 문제로 간주하고 있으나 현재까지 악취 관리가 미흡하며 악취 관리 시스템의 개선이 필요하다. 본 연구에서는 악취 관리 시스템 개선을 목표로 충청북도 오창에 설치된 악취 센서에서 수집한 1,010,749개 데이터를 활용하여 앙상블 기반의 악취 농도 다지역 통합 예측 모델을 설계하고 분석하였다. 연구 결과, XGBoost 알고리즘을 사용한 모델의 RMSE가 0.0096로 가장 성능이 좋았으며, 단일 지역 모델(0.0146)과 비교하여 평균 오차 크기가 51.9% 낮았다. 이를 통해 서로 다른 지역에서 수집된 악취 농도 데이터를 표준화한 후 다지역 통합 예측 모델을 설계함으로써 데이터의 양을 늘리고 정확도를 높일 수 있으며 또한, 하나의 통합 모델로 다양한 지역에서 예측이 가능함을 확인하였다.

Keywords

Acknowledgement

본 과제(결과물)는 2023년도 교육부의 재원으로 한국연구재단의 지원을 받아 수행된 지자체-대학 협력기반 지역혁신사업의 결과입니다.(2021RIS-001) 본 연구는 문화체육관광부 및 한국콘텐츠진흥원의 2023년 문화체육관광 연구개발사업의 연구결과로 수행되었음(RS-2023-00227532)

References

  1. 김병욱, 현근우, 배선학, 홍영균, 이영섭, 이건호, 최승봉. (2020). 악취의 시공간적 발생 특성 및 분포도 분석-강원지역을 대상으로, 한국환경보건학회지, 46(4), 376-387. DOI : 10.5668/JEHS.2020.46.4.376
  2. 김영훈, 최흥식, 김선웅.(2020). XGBoost를 활용한 리스크패리티 자산배분 모형에 관한 연구. 지능정보연구, 26(1), 135-149.
  3. 도우곤, 정우식. (2020). 도시공단지역 복합 악취 배출원에서 발생하는 악취물질별 기여율 분석, 한국대기환경학회지, 36(3), 360-374. DOI : 10.5572/KOSAE.2020.36.3.360
  4. 안지원, 오경용, 박신영, 이기한, 김용휘, 김기현. (2007). 음식물의 부패정도에 따른 악취물질의 발생특성 연구: 트리메틸아민, 암모니아를 중심으로, 한국냄새환경학회지, 6(3), 172-182.
  5. 박진옥, 최일수, 나명환. (2016). 공간 자료를 이용한 대기오염이 순환기계 건강에 미치는 영향 분석. 품질경영학회지, 44(3), 677-688. DOI : 10.7469/JKSQM.2016.44.3.677
  6. 서형준, 이형석. (2019). 대기오염물질이 환경성 질환에 미치는 영향: 수도권 지역의 자치구 및 시 군을 중심으로. 서울도시연구, 20(3), 39-59. DOI : 10.23129/seouls.20.3.201909.39
  7. 엄하늘, 김재성, 최상옥. (2020). 머신러닝 기반 기업부도위험 예측모델 검증 및 정책적 제언: 스태킹 앙상블 모델을 통한 개선을 중심으로. 지능정보연구, 26(2), 105-129.
  8. 유지현. (2020). 미세먼지 확산 모델링을 이용한 대기질 예측 시스템에 대한 연구, 전기전자학회논문지, 24(4), 216-220. DOI : 10.7471/ikeee.2020.24.4.1136
  9. 윤주상, 이태진. (2022). 엣지 시스템을 위한 LSTM 기반 화재 및 악취 예측 모델, 정보처리학회 논문지, 컴퓨터 및 통신시스템, 11(2), 67-72.
  10. 이경수, 박예린, 신윤종, 손권상, 권오병. (2022). 효율적 수입식품 검사를 위한 머신러닝 기반 부적합 건강기능식품 탐지 방법. 지능정보 연구, 28(3), 139-159.
  11. 이종영, 최명진, 주영인, 양재경. (2019). 미세먼지, 악취 농도 예측을 위한 앙상블 방법, 산업경영시스템학회지, 42(4), 203-210. DOI : 10.11627/jkise.2019.42.4.203
  12. 황두환, 조경근. (2021). 머신러닝 기반의 돈사 악취농도 예측(황화수소 농도를 중심으로), 실내환경 및 냄새 학회지, 20(4), 311-321.
  13. Chen, T., He, T., Benesty, M., Khotilovich, V., Tang, Y., Cho, H., & Zhou, T. (2015). Xgboost: extreme gradient boosting. R package version 0.4-2, 1(4), 1-4. https://doi.org/10.1145/2939672.2939785
  14. Conti, C., Guarino, M., & Bacenetti, J. (2020). Measurements techniques and models to assess odor annoyance: A review. Environment international, 134, 105261. https://doi.org/10.1016/j.envint.2019.105261
  15. Das, S., Lee, S. H., Kumar, P., Kim, K. H., Lee, S. S., & Bhattacharya, S. S. (2019). Solid waste management: Scope and the challenge of sustainability. Journal of cleaner production, 228, 658-678. https://doi.org/10.1016/j.jclepro.2019.04.323
  16. Invernizzi, M., Capra, F., Sozzi, R., Capelli, L., & Sironi, S. (2021). Development and Evaluation of a Fluctuating Plume Model for Odor Impact Assessment. Applied Sciences, 11(8), 3310. https://doi.org/10.3390/app11083310
  17. Jiang, Y., Huang, J., Luo, W., Chen, K., Yu, W., Zhang, W., & Huang, Y. (2023). Prediction for odor gas generation from domestic waste based on machine learning. Waste Management, 156, 264-271. https://doi.org/10.1016/j.wasman.2022.12.006
  18. Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., & Liu, T. Y. (2017). Lightgbm: A highly efficient gradient boosting decision tree. Advances in neural information processing systems, 30.
  19. Kiliyankil, V. A., Fugetsu, B., Sakata, I., Wang, Z., & Endo, M. (2021). Aerogels from copper (II)-cellulose nanofibers and carbon nanotubes as absorbents for the elimination of toxic gases from air. Journal of Colloid and Interface Science, 582, 950-960. https://doi.org/10.1016/j.jcis.2020.08.100
  20. Kim, G., Lee, M. I., Lee, S., Choi, S. D., Kim, S. J., & Song, C. K. (2020). Numerical modeling for the accidental dispersion of hazardous air pollutants in the urban metropolitan area. Atmosphere, 11(5), 477. https://doi.org/10.3390/atmos11050477
  21. Lan, K., Liu, S., Wang, Z., Wei, J., & Qin, G. (2023). High-performance olfactory receptor-derived peptide sensor for trimethylamine detection on the pyramid substrate structure. Sensors and Actuators A: Physical, 114452. https://doi.org/10.1016/j.sna.2023.114452
  22. Liu, Z. (2021). Urban sewage treatment odor gas release characteristics and regional differences. Environmental Technology & Innovation, 21, 101190. https://doi.org/10.1016/j.eti.2020.101190
  23. Lu, J. G. (2020). Air pollution: A systematic review of its psychological, economic, and social effects. Current opinion in psychology, 32, 52-65. DOI: 10.1016/j.copsyc.2019.06.024
  24. Noel, C., Vanroelen, C., & Gadeyne, S. (2021). Qualitative research about public health risk perceptions on ambient air pollution. A review study. SSM-Population Health, 15, 100879. https://doi.org/10.1016/j.ssmph.2021.100879
  25. Phyo, S., Kim, S., Lee, H., Han, S. S., Oh, Y., & Lee, J. (2023). Adsorption enhancement of hazardous odor gas using controlled thermal oxidation of activated carbon. Journal of Cleaner Production, 393, 136261. https://doi.org/10.1016/j.jclepro.2023.136261
  26. Rigatti, S. J. (2017). Random forest. Journal of Insurance Medicine, 47(1), 31-39. DOI: 10.17849/insm-47-01-31-39.1
  27. Sakawi, Z., Sharifah, S. A., Jaafar, O., & Mahmud, M. (2011). Community perception of odor pollution from the landfill. Research. Journal of Environmental and Earth Sciences, 3(2), 142-145.
  28. Seok, H. J., Kahn, J. B., Kim, Y. L., Seo, J. W., Hong, S. Y., & Kim, H. J. (2020). Discharge impact analysis of air pollutants for integrated environmental management. Journal of Environmental Analysis, Health and Toxicology, 23(4), 240-247. DOI: https://doi.org/10.36278/jeaht.23.4.240
  29. Wang, Y., Lu, F., Kang, X., Xu, X., Chen, W., Chai, H., & He, P. (2022). Odor characteristics and health risks during food waste bioconversion by housefly (Musca domestica L.) larvae. Journal of Cleaner Production, 376, 134343. https://doi.org/10.1016/j.jclepro.2022.134343
  30. Xu, A., Li, R., Chang, H., Xu, Y., Li, X., Lin, G., & Zhao, Y. (2022). Artificial neural network (ANN) modeling for the prediction of odor emission rates from landfill working surface. Waste Management, 138, 158-171. https://doi.org/10.1016/j.wasman.2021.11.045
  31. Zhao, S., Yang, X., Zhang, W., Chang, J., & Wang, D. (2019). Volatile sulfide compounds (VSCs) and ammonia emission characteristics and odor contribution in the process of municipal sludge composting. Journal of the Air & Waste Management Association, 69(11), 1368-1376. https://doi.org/10.1080/10962247.2019.1629356
  32. Zhou, Z. H., & Zhou, Z. H. (2021). Ensemble learning. Springer Singapore. 181-210.
  33. 공부주, 강경희, 조강남, 김정훈, 박정민, 강대일, 김나래, 김희진, 유정웅, 김대곤. (2018). 현장후각 측정법을 이용한 악취측정법 개선(II). 국립환경과학원. Retrieved January 10, 2023, from https://scienceon.kisti.re.kr/commons/util/originalView.do?dbt=TRKO&cn=TRKO201900002639
  34. 국립환경과학원. (2018. 12). 제 2차 악취방지 종합시책 수립을 위한 연구. 국립환경과학원. Retrieved January 10, 2023 from https://scienceon.kisti.re.kr/commons/util/originalView.do?dbt=TRKO&cn=TRKO201900002638
  35. 대기관리과. (2021, 1. 5.). 악취방지법. 환경부. Retrieved March 8, 2023 from https://www.law.go.kr/LSW/lsInfoP.do?efYd=20210105&lsiSeq=228123#0000
  36. 장동열. (2019, March 15). 청주 오창 '14년 악취 미스터리' 이번엔 풀릴까. 뉴스 1. https://www.news1.kr/articles/?3579333
  37. 대기관리과. (2023, 2, 27). 악취관리지역 (2023년 01월 기준). 환경부. Retrieved March 8, 2023 from http://me.go.kr/home/web/public_info/read.do;jsessionid=4gh7NFmkrxf09CK9XzBHIwEb.mehome1?pagerOffset=20&maxPageItems=10&maxIndexPages=10&searchKey=&searchValue=&menuId=10357&orgCd=&condition.publicInfoMasterId=2&condition.deleteYn=N&publicInfoId=24&menuId=10357
  38. 미래정책연구실. (2021. 5, 17). 주간 농업농촌 식품동향_Vol.19_2021.5.17. 한국농촌경제연구원. Retrieved March 10, 2023 from https://www.krei.re.kr/krei/selectBbsNttView.do?bbsNo=76&key=271&nttNo=140969