Prediction maps for tomorrow's PM10 concentration using machine learning with meteorological data and the air quality data from South Korea and China

Abstract

전 세계 대기 질은 최근 수십 년간 급격한 산업화와 차량 사용의 급증, 인구의 급증 등의 이유들로 인해 악화되는 추세를 보인다. 한국의 대기 또한, 국내외적인 이유들로 인해 대기 질을 개선하려는 여러 노력에도 불구하고 획기적인 개선은 보이지 않고 있다. 또한, 한국은 공장 및 산업단지가 많은 중국의 동쪽에 위치해 중국의 대기 질에 대한 영향을 받고 있다. 한국은 2021년 현재 전국의 약 450여개의 도시대기측정소를 통해 전국의 대기 질을 평가 및 제공하고 있다. 그러나, 관측소들이 불규칙하게 산재해 있고 수도권과 대도시 지역에 집중되어있다. 이러한 이유들로 본 연구에서는 익일 한국의 PM10 예측을 수행한다. 이 과정에서, 한국의 PM10 포인트 자료를 공간 내삽을 통해 격자 자료 변환을 진행하였다. 본 연구에서는 머신러닝 기법을 활용하여 예측을 수행한다. 엄선된 입력변수를 활용해 랜덤 포레스트 기반의 예측 결과 상관계수는 0.930으로 예측 값이 실측값의 경향성을 잘 따름을 알 수 있고, MAE 값이 6.694 으로 실측값과 예측 값 사이의 오차가 비교적 작음을 알 수 있었다. 더 나아가, 한국의 경우 계절의 변화가 뚜렷하고 그에 따른 미세먼지 농도의 변화도 큼을 알 수 있었다. 따라서, 본 연구에서는 예측 모델의 계절별 / 농도별 정확도를 평가하였다. 그 결과 모델이 이러한 변화들에도 효과적을 대처하였음을 알 수 있었다. 향후에는, 고농도 사례에 대한 처방을 고려함으로써, 현업시스템으로의 활용을 기대해볼 수 있을 것이다.