지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국통계학회 CSAM(Communications for Statistical Applications and Methods) CSAM(Communications for Statistical Applications and Methods) 제30권 제2호
- 발행연도
- 2023.3
- 수록면
- 119 - 133 (15page)
이용수
초록· 키워드
오류제보하기
With the rapid growth of the economy and fossil fuel consumption, the concentration of air pollutants has increased significantly and the air pollution problem is no longer limited to small areas. We conduct statistical analysis with the actual data related to air quality that covers the entire of South Korea using R and Python. Some factors such as SO<SUB>2</SUB>, CO, O<SUB>3</SUB>, NO<SUB>2</SUB>, PM<SUB>10</SUB>, precipitation, wind speed, wind direction, vapor pressure, local pressure, sea level pressure, temperature, humidity, and others are used as covariates. The main goal of this paper is to predict air quality index (AQI) spatio-temporal data. The observations of spatio-temporal big datasets like AQI data are correlated both spatially and temporally, and computation of the prediction or forecasting with dependence structure is often infeasible. As such, the likelihood function based on the spatio-temporal model may be complicated and some special modelings are useful for statistically reliable predictions. In this paper, we propose several methods for this big spatio-temporal AQI data. First, random effects with spatio-temporal basis functions model, a classical statistical analysis, is proposed. Next, neural networks model, a deep learning method based on artificial neural networks, is applied. Finally, random forest model, a machine learning method that is closer to computational science, will be introduced. Then we compare the forecasting performance of each other in terms of predictive diagnostics. As a result of the analysis, all three methods predicted the normal level of PM2:5 well, but the performance seems to be poor at the extreme value.
목차
Abstract
1. Introduction
2. Methods
3. Experiments
4. Discussion
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
측정망 자료를 이용한 강원지역 PM10 및 PM2.5 농도의 시간변화 및 공간 분포
한국대기환경학회지(국문)
2020 .08
-
Investigating Microbial Interactions through Spatio-temporal Imaging and Analysis
한국미생물학회 학술대회논문집
2017 .04
-
Trends and Spatio-Temporal Variability of Summer Mean and Extreme Precipitation across South Korea for 1973-2022
한국기상학회 학술대회 논문집
2023 .04
-
Spatio-temporal variations in organic carbon composition driven by two different major phytoplankton communities in the Ross Sea, Antarctica
극지연구소 초록집
2024 .07
-
한반도 지상 오존의 시공간적 변동 특성
한국대기환경학회 학술대회논문집
2022 .10
-
대기질 지수(AQI)를 이용한 서울 지역의 대기질 비교 연구
한국대기환경학회 학술대회논문집
2017 .11
-
농업기상 결측치 보정을 위한 통계적 시공간모형
한국환경과학회지
2018 .07
-
식생 모니터링을 위한 다중 위성영상의 시공간 융합 모델 비교
대한원격탐사학회지
2019 .01
-
Improving model precipitation forecast using ICE-POP 2018 observation data
한국기상학회 학술대회 논문집
2023 .11
-
장기간 위성관측자료를 이용한 북반구 에어로솔의 시공간 분포 특성 분석
한국대기환경학회 학술대회논문집
2022 .10
-
시·공간 특성을 고려한 실내공기질 관리를 위한 IoT 공기질 측정기기 활용도 평가
한국대기환경학회 학술대회논문집
2019 .11
-
A hydrochemical study on spatio-temporal change of groundwater quality in the Pyosun watershed, Jeju Volcanic Island, South Korea
대한지질학회 학술대회
2015 .10
-
경험적 임펄스 응답 함수 추출을 위한 한반도 지진배경잡음의 시공간적 분포 특성 연구
대한지질학회 학술대회
2019 .10
-
How to assess impact of input variables in deep learning for temporal prediction of groundwater level and temperature
대한지질학회 학술대회
2022 .10
-
Spatio-temporal models for generating a map of high resolution NO2 level
한국데이터정보과학회지
2016 .06
-
Modeling pediatric tumor risks in Florida with conditional autoregressive structures and identifying hot-spots
한국데이터정보과학회지
2016 .10
-
해상 선박 배출량 시공간 분배 방법론 고도화 및 선박 배출량의 항만 인근 지역 대기질에 대한 기여도 모델링 평가
한국대기환경학회 학술대회논문집
2023 .10
-
도심, 산업단지, 교외지역에서 측정된 PM2.5의 계절별 물리·화학적 특성
한국기상학회 학술대회 논문집
2023 .04
-
선박 대기오염 배출에 의한 항만지역 대기질 영향예측 및 배출량 시공간 분배 고도화
한국대기환경학회 학술대회논문집
2022 .10
-
시공간 상관관계 군집화와 시계열 유사성을 활용한 PM10 자료 분석
한국데이터정보과학회지
2021 .11
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-310-001433306