Cited time in webofscience Cited time in scopus

Full metadata record

DC Field Value Language
dc.contributor.advisor Kwak, Su Ha - Kwon, Byung Jun - 2017-08-02T07:33:37Z - 2017-08-02T07:33:37Z - 2017 -
dc.identifier.uri en_US
dc.identifier.uri -
dc.description.abstract Recent, PM2.5 generated by various causes is spreading over a large area. As a result, the technique of estimating the concentration of PM2.5 has become important. Many studies have been conducted to estimate the PM2.5 concentrations. Recently research using learning-based models has been actively conducted. These learning-based models have exceeded the accuracy of existing statistical models. Existing research has a limitation that only data of the monitoring site can be used.
In this paper, we propose a method to improve the accuracy of PM2.5 concentration estimation using the information of the surrounding area around the PM2.5 monitoring site. To do this, we study the difference in performance between the 3-dimensional input data and the existing vector data. The algorithm used in this experiment is CNN which can efficiently use the correlation of spatial information. Experimental result show that using large spatial data gives high accuracy of PM2.5 concentration estimation. ⓒ 2017 DGIST
dc.description.statementofresponsibility open -
dc.description.tableofcontents Ⅰ. INTRODUCTION 1--


2.1 Neural Networks 3--

2.2 Convolutional Neural Networks 5--



4.1 PM2.5 Measurements 8--

4.2 AOD (Aerosol Optical Depth) data 9--

4.3 Meteorological fields 10--

4.4 Land use variables 11--

4.5 Regional and temporal dummy variables 11--

4.6 Data integration 11--

Ⅴ. METHOD 13--

5.1 Data generation 13--

5.2 Data preprocessing and validation 14--

5.3 Model structure 15--

Ⅵ. RESULT 18--



SUMMARY (Korean) 26
dc.format.extent 25 -
dc.language eng -
dc.publisher DGIST -
dc.subject Deep Learning -
dc.subject Neural networks -
dc.subject CNN -
dc.subject PM2.5 -
dc.title Deep Convolutional Neural Networks for estimating PM2.5 concentration levels -
dc.title.alternative PM2.5 농도 추정을 위한 딥 컨볼루션 뉴럴 네트워크 -
dc.type Thesis -
dc.identifier.doi 10.22677/thesis.2377545 -
dc.description.alternativeAbstract 최근 사람의 건강에 치명적인 초미세먼지(PM2.5)가 다양한 원인으로 인해 넓은 지역에서 나타나 큰 이슈가 되고 있다. 이로 인해 PM2.5의 농도를 추정하는 기술이 중요해지고 있다.
이러한 이유로 PM2.5 농도를 추정하기 위한 많은 연구가 진행되고 있으며 최근에는 학습 기반의 모델을 이용한 연구가 활발히 이루어지고 있다. 이러한 학습 기반의 모델들은 기존의 통계적 모델의 정확도를 넘어서고 있다. 기존의 연구에 사용된 모델은 PM2.5 모니터링 지점이 있는 영역의 정보만을 이용하고 있다.
본 논문에서는 PM2.5 모니터링 지점의 데이터만 사용하는 기존의 방법과는 달리 PM2.5 모니터링 지점을 중심으로 주변 지역의 정보를 포함한 데이터를 이용함으로써 PM2.5 농도 추정의 정확성을 향상 시킬 수 있는 방법을 제시한다. 이를 위해서 공간 정보를 가진 3차원 데이터로 가공하여 기존의 연구에서 사용된 vector 형태의 입력 데이터와의 비교를 통해 공간의 넓이에 따른 성능을 차이를 알아본다. 본 실험에 사용된 알고리즘은 공간 정보의 상관관계를 효율적으로 이용할 수 있는 Convolutional Neural Networks를 사용한다. 실험 결과 CNN을 이용하여 넓은 공간의 데이터를 이용할수록 높은 정확도를 내는 것을 확인하였다. ⓒ 2017 DGIST
- Master -
dc.contributor.department Information and Communication Engineering -
dc.contributor.coadvisor Moon, Tae Sup - 2017. 8 -
dc.publisher.location Daegu -
dc.description.database dCollection - 2017-07-31 -
dc.contributor.alternativeDepartment 대학원 정보통신융합공학전공 -
dc.contributor.affiliatedAuthor Kwak, Su Ha -
dc.contributor.alternativeName 권병준 -
dc.contributor.alternativeName 곽수하 -
dc.contributor.alternativeName 문태섭 -
Files in This Item:


기타 데이터 / 2.11 MB / Adobe PDF download
Appears in Collections:
Department of Physics and Chemistry Theses Master


  • twitter
  • facebook
  • mendeley

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.