Ⅰ. 연구의 배경 및 목적
o 연구 목적: (가칭) 환경정책 모니터링시스템 구축
ㅇ 환경정책 수요 파악, 정책 시의성 평가, 정책 유효성 평가의 주기적 반복 목적
ㅇ 환경오염 통합예측 알고리듬, 실시간 환경 텍스트분석 알고리듬, 질문중심 데이터베이스로 구성
o 2021년 연구목표: (가칭) 환경정책 모니터링시스템의 구성요소 강화
ㅇ 오염도 예측
- 불확실성 예측 및 인과분석 강화
- 미세먼지 예측에 있어 장기 예측성능이 좋은 알고리듬 발굴
ㅇ 질문중심 데이터베이스
- 탄소중립 이슈에 대한 이슈 상황판 구성
ㅇ 실시간환경 텍스트분석 알고리듬
- 국가별 탄소중립 전략의 유사점 및 차이점 분석

Ⅱ. 딥러닝 기반 미세먼지 농도 및 불확실성 예측
o 연구 목적
ㅇ 연구 목적: 딥러닝 기반 미세먼지 농도 및 불확실성 예측
- 딥러닝을 활용한 PM 예측에 대한 신뢰성 제고
o 연구 방법
ㅇ 에어코리아, 기상청으로부터 데이터 수집
ㅇ 결측치 공간보간으로 데이터 전처리
ㅇ 불확실성 예측이 가능한 딥러닝 알고리듬 개발
- Interpolated Convolutional Neural Network using Monte-Carlo Dropout (ICNN-MCDO)
o 높은 예측성능과 함께 불확실성 추정이 가능한 알고리듬 개발
ㅇ Interpolated Convolutional Neural Network(ICNN) 에 몬테카를로 드롭아웃 Monte Carlo Dropout(MCDO) 적용
ㅇ 다차원 배열을 활용한 CNN을 통해 시공간적 특성을 반영한 높은 예측성능
- 고농도 미세먼지 예측 모델에서 높은 성능
ㅇ 대한민국 전역을 일정한 간격의 그리드로 표현하여 측정소가 없는 지점에서도 예측 값과 불확실성 추정
ㅇ 실제 값과 예측 값의 편차가 추정한 불확실성과 양의 상관관계가 있음을 확인
ㅇ 미세먼지 예측에 불확실성을 평가하면서 임계점(threshold) 제시

Ⅲ. Graph-GRU를 활용한 중장기 초미세먼지 예측: 남한지역을 중심으로
o 연구 목적
ㅇ 초미세먼지의 특성과 남한지역의 계절적, 지리적 특성 고려
ㅇ 그래프신경망(Graph Neural Network) 기반 중장기(72시간 뒤) 초미세먼지 예측모델 개발
o 시·공간 3차원 데이터 세트 구축
ㅇ 기상, 대기오염 및 중국 초미세먼지 농도 데이터를 입력데이터로 활용
- 기상 및 대기오염(유럽 중기예보센터 European Centre for Medium-Range Weather Forecasts) 제공 위성기반 재분석 데이터
- 중국 초미세먼지 농도는 측정소 기반 데이터 활용
o 초미세먼지 예측모델 구축
ㅇGraph 기반 모형으로 구축
ㅇ주변 정보를 결합하는 단계, graph attention 단계, 시계열 학습을 위한 GRU 단계로 구성
o 예측 결과 및 활용
ㅇ72시간 뒤의 초미세먼지 예측성능에서 본 연구의 예측모형이 기존 다른 딥러닝 예측모형보다 예측성능 향상
ㅇ본 연구에서 개발한 예측모형은 미세먼지 외 다른 대기질 예측에도 활용할 수 있고, 선제적 대기오염 대응방안 수립 시 근거자료로서 활용 가능

Ⅳ. 텍스트 분석을 활용한 LEDS 문서 분석
o 연구 목적
ㅇ우리나라를 포함한 주요 국가의 LEDS 문서 분석을 통해 국가별 탄소