도시 대기오염 예측 딥러닝 모델
Hybrid CNN-LSTM model for urban air pollution forecasting: towards early warning systems for public health: a case study of Baghdad and Basra
원저자 Israa Nadheer, Mohammed Imad Aal-nouman·Future Technology·원발행 2026.11· 0 인용·카라멜 랩 해설 공개 2026. 11. 8.
한국어 핵심 요약
급격한 도시화와 예측 도구 미비로 인해 대기오염은 환경 취약 지역에서 심각한 문제로 대두되고 있습니다. 특히 이라크 도시에서는 공개 환경 데이터를 활용한 미세먼지 다변량 예측 연구가 부족한 실정입니다. 본 연구는 바그다드와 바스라의 다음 날 PM2.5 및 PM10 농도를 예측하기 위해 CNN-LSTM 하이브리드 모델을 제안합니다.
모델 개발에는 대기질, 온도, 상대 습도, 풍속 및 계절 주기 특성과 관련된 환경 데이터가 사용되었으며, 14일 룩백 윈도우를 가진 다변량 시계열 데이터가 구축되었습니다. 제안된 모델은 LSTM 모델 및 기존 ARIMA 모델과 비교 평가되었으며, 2022년 8월부터 2025년 12월까지 수집된 1,249개의 일일 데이터 샘플을 활용했습니다.
연구 결과, 딥러닝 모델들이 통계적 기준 모델보다 우수한 성능을 보였으며, 특히 LSTM 접근 방식이 가장 뛰어난 일반화 성능을 나타냈습니다. 또한, 연속적인 농도 예측이 대기질 경고 시스템을 어떻게 지원할 수 있는지 보여주기 위해 임계값 기반 오염 경고 모듈이 구현되었습니다.
본 연구는 데이터 제약이 있는 환경에서도 단기 도시 대기오염 예측을 위한 다변량 딥러닝의 적용 가능성을 입증하며, 이라크의 미래 환경 모니터링 시스템을 위한 기본 프레임워크를 제공합니다.
섹션 미리보기
연구 배경
급격한 도시화와 예측 도구 부족으로 대기오염은 환경 취약 지역의 주요 문제입니다. 특히 이라크 도시에서는 공개 데이터를 활용한 미세먼지 다변량 예측 연구가 미흡합니다.
핵심 발견
CNN-LSTM 하이브리드 모델이 이라크 도시의 PM2.5 및 PM10 예측에서 우수한 성능을 보였습니다. 딥러닝 모델은 통계 모델보다 뛰어났으며, 특히 LSTM은 최고의 일반화 성능을 나타냈습니다.
관련 환경공학 논문
일교차와 사망률 및 이환율 연관성
2026·0
기후변화와 수문지질 재해: Niscemi 산사태 사례
2026·0
포도원 물 관리를 위한 딥러닝 증발산 예측
2026·0
HEC-HMS 기반 홍수 예측 및 조기 경보
2026·3