연구에서는PM2.5농도예측의 질을 개선하기 위하여 심층장단기기억신경망 (deep LSTM)모형을 최적화하기 위한 방법을 제기하고 PM2.5농도예측에 리용하였다.
연구결과는 다음과 같다.
(1) PM2.5농도예측을 위한 최적화된 심층장단기기억신경망모형을 설계하기 위하여 PM2.5농도예측에 리용할수 있는 지표들을 선정하고 실험적인 방법으로 PM2.5농도예측에 적합한 층수를 결정하였다.
(2) 유전알고리듬을 리용하여 층수별 최적화된 세포수를 결정하여 심층장단기기억신경망모형을 설계한 다음 PM2.5농도예측에 적용하여 RMSE값이 2.341%로서 최적화되지 않은 LSTM모형에 비하여 성능이 우수하다는것을 밝혔다.
(3) 제안한 심층장단기기억신경망모형과 RNN, GRU모형과의 비교실험을 진행하여 PM2.5농도예측에서 RMSE값이 각각 2.341%, 2.568%, 2.442%로서 연구에서 제기한 모형이 다른 모형들에 비하여 성능이 우수하다는것을 밝혔다.
연구에서 제기한 방법은 PM2.5농도예측뿐 아니라 다른 오염물질들의 예보와 다른 분야에도 리용할수 있으며 환경질예측과 예보를 연구하는 학자들에게 일련의 가치있는 연구방법으로 될수 있다.
연구결과는 잡지 《Int. J. Environment and Pollution》에 《An improvement of PM2.5 concentration prediction using optimised deep LSTM》(https://doi.org/10.1504/IJEP.2021.10051956)의 제목으로 출판되였다.
