| 초록 |
연구개요 동아시아 여러 국가(특히 중국)에서 발생한 오염물질은 대기 중의 미세먼지 농도를 높이고, 편서풍 바람을 따라 국내로 유입되어 심각한 사회, 경제적인 해를 끼치고 있다. 환경부는 우리나라의 미세먼지 현업 예보를 위해, 2013년부터 수치모델 결과를 중심으로 예측모형을 구축하여 현재 운영하고 있다. 그러나 이 예측모형의 예보 적중률이 낮아서 국민의 눈높이를 충족시키지 못하는 실정이다. 특히 수치모델 예측이 갖는 불확실성, 예보에 예보관 주관의 개입 등의 문제로 인해 고농도 사례에 예보 적중률이 낮다. 현업 예보의 예측성을 향상시키는 방안으로 최근 여러 과학 분야에서 사용되고 있는 인공지능 기법들을 활용하여서 우리나라 미세먼지 농도를 조절하는 복잡다단한 기후적 영향을 규명하여 예측 시스템을 개선할 필요가 있다. 이 연구의 최종목표는 딥러닝 기법을 활용하여, 우리나라 미세먼지(주로 PM<sub>10</sub>, PM<sub>2.5</sub>) 고농도 사례를 발생시키는 기후 현상과 이에 관련된 대규모 대기 현상을 탐색하고 그 메커니즘을 규명하는 것이다. 연구 목표대비 연구결과 1차년도. 딥러닝을 위한 빅데이터 구축 및 딥러닝 기반 미세먼지 모형 프로토타입 구축 이 연구에서는 미세먼지 예측모형에 필요한 입력자료인 대기오염물질 농도 관측자료와 수치모델(CMAQ)의 예측자료 등의 빅데이터를 확보하여 실험실 내 서버에 데이터베이스를 구축하였다. 빅데이터를 딥러닝 모형에 입력자료로 사용하여 우리나라 미세먼지 예측모형의 프로토타입을 개발하였다. 딥러닝 모형으로는 미세먼지 농도의 결과값 산출까지 계산시간이 비교적 빠르고 시계열 자료 처리에 적합한 순환신경망(Recurrent Neural Network, RNN)을 이용하였다. 2차년도. 딥러닝 기반 미세먼지 모형의 성능 검증 및 개선 RNN 알고리즘을 이용하여 개발한 딥러닝 미세먼지 모형의 성능 개선을 위해 하이퍼 파라미터를 조정하여서 예측 오차를 줄이는 최적화 작업을 수행하였다. 딥러닝 모형의 성능을 검증하기 위해서 RNN과 CMAQ에서 예측한 미세먼지 농도 값을 관측값과 비교하였다. 그 결과, RNN 모델의 하루 후 예측값과 관측값 간의 상관계수가 0.81로서 CMAQ 수치모델과 관측값의 상관계수인 0.69보다 높게 나타났다. 다음으로는 딥러닝 미세먼지 모형에서 변수를 하나씩 제거하면서 나타나는 성능 변화를 기준으로 우리나라 미세먼지 변화와 밀접하게 연관되는 기상 인자 및 해당 기상 현상이 나타나는 지역을 확인하였다. 분석 결과, 미세먼지 농도 관측값과 CMAQ의 예측값이 가장 중요한 인자임을 확인하였다. 3차년도. 딥러닝-추출 미세먼지 조절 주요 기후 인자의 현실성 검증 및 딥러닝 모형의 대기 역학적 해석 인공지능을 설명할 수 있게 해주는 방법인 LRP 알고리즘을 이용하여 딥러닝 모형에서 미세먼지 예측에 영향을 끼치는 주요 인자를 추출하였다. 이들 인자를 중심으로 입력자료를 재구성하여 딥러닝 예측모형의 고도화를 수행하였고, 고농도 탐지 확률이 78%에서 83%로 증가하였으며, 입력변수 수가 줄어도 정확도는 비슷 수준을 유지하였다. LRP 분석 결과에 따라 딥러닝 모형에서 어떤 예측 인자가 성능에 가장 크게 기여하는지 확인하였다. 기존 연구에서 알려진 고농도를 유발하는 환경적 메커니즘이 딥러닝 모형에서도 중요하게 작용한다는 결론을 도출하였다. 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성) 이 연구 과제에서 새로이 개발된 딥러닝 기법은 국내 대기 모델링 분야의 과학적, 기술적 수준을 제고함으로써 대기오염물질 발생 원인을 더 정확히 파악하고 환경 위해를 저감하기 위한 수단으로 활용될 수 있다. 또한, 딥러닝 모형과 미세먼지 농도를 예측하는데 전통적으로 사용하는 기계 학습법의 상호 활용에 따른 높은 시너지 창출 기법을 제시할 수 있다. 그뿐만 아니라 전 세계적으로 관심이 있는 딥러닝의 학습 과정에서 더 효과적인 전처리 방법을 모색하는 것으로 딥러닝 개발 관련 분야 등에서도 활용할 수 있는 지식을 제공할 수 있다. 이 연구 과제를 통해 기대할 수 있는 가장 중요한 효과는 우리나라 미세먼지 농도의 단기 및 장기 현업 예보 향상에 기여할 수 있다는 것이다. 이를 통해 환경에 대한 국민의 관심이 높아가고 있는 현 상황에서 미세먼지 예보에 대한 국민의 신뢰도를 높이고 고농도 미세먼지 발생 시 신속하게 대응함으로써 국민 건강 피해를 최소화할 수 있을 것이다. 또한, 새로이 개발된 딥러닝 기법 및 모듈은 국내 대기 모델링 분야의 과학적, 기술적 수준을 제고함으로써 대기오염물질 발생 원인을 더 정확히 파악하고 환경 위해를 저감하기 위한 수단으로 활용될 수 있다. 나아가 본 연구에서 개발된 딥러닝 기법을 미세먼지 대책 관련 한중일 협력네트워크 구축 및 국제적 미세먼지 저감대응방안 모색에 필요한 지표를 제공할 수 있다. (출처 : 요약문 2p) |
