성균관대 문태섭 교수 연구팀, 인공지능 활용 초미세먼지 농도 예측 알고리즘 개발

성균관대학교(총장 신동렬)는 전자전기공학부 문태섭 교수 연구팀(제 1저자 박용비 석사과정)이 미국 Emory 대학의 Yang Liu 교수 연구팀과 협력하여 딥러닝 기술에 기반한 초미세먼지(PM2.5) 농도 예측 알고리즘을 개발하는 데 성공했다고 밝혔다.

국제학술지 ENVIRONMENTAL POLLUTION 온라인 게재

본 연구는 과학기술정보통신부(MSIT)의 재원으로 정보통신기획평가원(IITP)과 한국과학기술연구원(KIST)의 지원을 받아 수행되었으며, 국제학술지인 Environmental Pollution(JCR 상위 9.7%) 저널에 10월 23일 온라인 게재되었다.
  [논문] Yongbee Park, Byungjoon Kwon, Juyeon Heo, Xuefei Hu, Yang Liu, and Taesup Moon*, “Estimating PM2.5 concentration of the conterminous United States via interpretable convolutional neural networks” (*corresponding author)

논문에서 제안하는 방법의 전체 모식도. CNN 모델을 활용하여 미국 전역의 PM.25 농도를 높은 정확도로 예측하는 것을 보임

논문에서 고안한 예측 모델 별 변수 중요도. 주변의 PM2.5 농도와 숲 분포, 주변 도로의 밀도, 기압, 고도 등이 중요한 변수로 작용하는 것을 볼 수 있다.

각 변수 별로 주변 셀의 값이 다른 형태로 영향을 미치는 것을 보인 시각화 결과. (빨간색이 중요, 파란색이 덜 중요함을 나타냄.) 각 셀 하나의 크기는 10km x 10km 이다.

연구팀은 고가의 측정 센서만으로는 넓은 지역의 초미세먼지(PM2.5) 농도를 높은 지역적 해상도로 모두 측정하는데 너무 많은 비용이 드는 문제점을 보완하기 위하여, 초미세먼지와 관련된 다양한 변수들에 기반하여 PM2.5 농도를 예측하는 연구를 수행하였다. 즉, 인공위성 기반 에어로졸 광학 두께(AOD), 기후/바람 관련 변수, 계절, 도로, 인구 분포 등 초미세먼지와 밀접한 관련이 있는 변수들을 입력으로, 초미세먼지 농도를 출력으로 하는 딥러닝 모델을 개발하여 그 예측 정확도를 높였다. 특히, 기존의 연구들과 달리 딥러닝의 핵심 기술 중 하나인 컨볼루션 신경망(Convolutional neural networks)을 최초로 활용하여, 예측하고자 하는 지역의 변수들만이 아니라, 주변 지역 변수들 간의 공간적 상관관계까지 활용하는 예측 알고리즘을 개발하는 데 성공하였다. 그 결과 미국 전역의 PM2.5농도를 예측하는 데 기존 방법들의 성능을 훨씬 뛰어넘는 예측 정확도(R^2=0.84)를 달성하였다.

또한 연구팀은 설명가능 인공지능 방법의 하나인 LRP(Layerwise Relevance Propagation)를 적용하여 고안한 알고리즘이 중요하게 활용하는 변수들의 순위와 변수 별 공간적 중요도를 시각화하는 데에도 성공하였다. 이러한 중요 변수 도출은 기존 딥러닝 기반의 연속값 예측(regression) 알고리즘에서는 잘 시도되지 않았던 것으로, 도출한 중요 변수 순위가 기존 연구에서 밝혀진 결과들과 비교하고 대기 환경 분야 전문가인 Emory대학의 Yang Liu 교수와 긴밀한 토의를 통해서도 유의미함을 밝혔다.

문태섭 교수

문태섭 교수는 “인공지능 기술을 활용하여 많은 데이터 속에 들어있는 관련 변수들과 초미세먼지의 상관관계에 기반해 초미세먼지 농도를 정확하게 예측할 수 있다는 것을 보인 데 큰 의의가 있다고 생각한다”면서 “향후 초미세먼지 발생 원인을 밝히는 데도 기여할 수 있을 것으로 판단하고, 앞으로도 계속된 환경 분야 전문가와의 국제협력을 통해서, 인공지능 기술에 기반하여 한국 및 중국 지역의 초미세먼지 농도 예측과 원인 규명에 기여하고자 한다”고 말했다.

온라인 중앙일보