요 약
제1장 서론
1. 연구의 필요성 및 목적
2. 연구의 범위
3. 연구 내용 및 방법론
4. 보고서의 구성
제2장 설명 가능한 인공지능 기반 새로운 미세먼지 예측 모듈 개발
1. 서론
2. 방법론
3. 결과
4. 결론
제3장 설명 가능 딥러닝 모델을 활용한 담수 수계 부영양화 지수농도 산정
1. 서론
2. 방법론
3. 딥러닝 모델 성능 평가
4. 결론
제4장 K-SDGs 환경분야 이행점검을 위한 질문중심 반응형 대시보드의 활용
1. 서론
2. 정보공개 패러다임과 질문중심 반응형 대시보드
3. 질문중심 반응형 대시보드 구축
4. 결론
제5장 환경 빅데이터 플랫폼 뉴스레터 개발
1. 서론
2. 환경 텍스트 분석 알고리즘: 텍스트 정보추출
3. 환경오염 예측 알고리즘: 녹조 오염도 예측
4. 질문중심 데이터베이스: 미세먼지 질문중심 데이터베이스
5. 표지(cover letter)
제6장 결론 및 시사점
참고문헌
부 록
Ⅰ. 환경 빅데이터 분석 플랫폼 구축방안
Executive Summary
제1장 서론
1. 연구의 필요성 및 목적
2. 연구의 범위
3. 연구 내용 및 방법론
4. 보고서의 구성
제2장 설명 가능한 인공지능 기반 새로운 미세먼지 예측 모듈 개발
1. 서론
2. 방법론
3. 결과
4. 결론
제3장 설명 가능 딥러닝 모델을 활용한 담수 수계 부영양화 지수농도 산정
1. 서론
2. 방법론
3. 딥러닝 모델 성능 평가
4. 결론
제4장 K-SDGs 환경분야 이행점검을 위한 질문중심 반응형 대시보드의 활용
1. 서론
2. 정보공개 패러다임과 질문중심 반응형 대시보드
3. 질문중심 반응형 대시보드 구축
4. 결론
제5장 환경 빅데이터 플랫폼 뉴스레터 개발
1. 서론
2. 환경 텍스트 분석 알고리즘: 텍스트 정보추출
3. 환경오염 예측 알고리즘: 녹조 오염도 예측
4. 질문중심 데이터베이스: 미세먼지 질문중심 데이터베이스
5. 표지(cover letter)
제6장 결론 및 시사점
참고문헌
부 록
Ⅰ. 환경 빅데이터 분석 플랫폼 구축방안
Executive Summary
Ⅰ. 연구의 배경 및 목적
o 연구 목적: (가칭) 환경정책 모니터링 시스템 구축
ㅇ 환경정책 수요 파악, 정책 시의성 평가, 정책 유효성 평가의 주기적 반복 목적
ㅇ환경오염 통합 예측 알고리즘, 실시간 환경 텍스트 분석 알고리즘, 질문중심 데이터
베이스로 구성
o 2022년 연구목표: (가칭) 환경정책 모니터링 시스템의 구성요소 강화
ㅇ 오염도 예측
- 대기 및 수질 오염도 예측에 설명 가능성 강화
ㅇ 질문중심 데이터베이스
- 국가 지속가능발전목표(K-SDGs)에 대한 이슈 상황판 구성
ㅇ 실시간 환경 텍스트 분석 알고리즘
- 환경 빅데이터 플랫폼 산출물
Ⅱ. 설명 가능한 인공지능 기반 새로운 미세먼지 예측 모듈 개발
o 연구 목적
ㅇ 연구 목적: 미세먼지 예측에 설명 가능한 인공지능 기법 도입
- 인공지능 예측 모형에 대한 투명성 및 신뢰성 확보
o 연구 방법
ㅇ 에어코리아, 기상청으로부터 데이터 수집
ㅇ 결측치공간보간으로 데이터 전처리
ㅇ Vision Transformer(ViT)를 이용한 attention score 및 shapely value 도출
o 높은 단기 예측 성능을 유지한 상태에서 설명 가능한 인공지능 예측 모형 구축
ㅇ Interpolated Convolutional Neural Network(ICNN)에 ViT를 결합
ㅇ attention score를 통해 특정 patch가 결과에 어느 정도 영향을 미쳤는지 추론 가능
ㅇ shapely value를 통한 변수 중요도 파악
ㅇ 인공지능 기반 미세먼지 예측에 대한 투명성 및 신뢰 가능한 설명력 제공
Ⅲ. 설명 가능한 딥러닝 모델을 활용한 담수 수계 부영양화 지수농도 산정
o 연구 목적
ㅇ 딥러닝 기반 모델 부영양화 지수농도 산정
ㅇ 설명 가능한 딥러닝 알고리즘을 활용한 부영양화 지표에 대한 수질 영향인자 비교분석
o 연구 방법
ㅇ 국가 하천수질 우심지역 선정(낙동강 달성보, 금강 백제보 수질 측정망 지점)
ㅇ 입·출력자료 선정
- 독립변수:수온, SS, TN, NO2, NO3, NH4, DO, PO4, BOD, pH, 전기전도도, 강수량, 유량
- 종속변수: 클로로필a, COD, TP
ㅇ1-D CNN 예측 모형 구축 및 CBAM(Convolutional Block Attention Module)을 통한 설명 가능한 인공지능 예측 모형 구축
o 예측결과 및 활용
ㅇ 부영양화 지표 예측 모형의 계절적 주기성 모사 가능 확인
ㅇ 설명 가능한 인공지능 기법을 통한 부영양화 현상의 주요 수질인자 파악
ㅇ부영양화 지표 및 수질인자 분석정보를 활용한 수질관리 정책의 기초자료로 활용 가능
Ⅳ. K-SDGs 환경 분야 이행점검을 위한 질문중심 반응형 대시보드의 활용
o 연구 목적
ㅇ 정보공개 패러다임 측면에서 반응형 대시보드의 의미와 가능성 검토
ㅇ 세부목표별 이행점검을 위한 지표 도출 및 통계자료 연계
ㅇK-SDGs 환경 분야 이행점검을 위한 SAS Viya Visual Analytics 기반 반응형 대시보드 개발
o 질문중심 반응형 대시보드 구축
ㅇ K-SDGs 환경 분야의 세부목표별 이행점검을 위한 지표 도출 및 통계자료 연계
ㅇ SDGs 관련 통계자료에 대한 시계열 분석 절차 모듈화
ㅇ SDGs 이행 수준에
o 연구 목적: (가칭) 환경정책 모니터링 시스템 구축
ㅇ 환경정책 수요 파악, 정책 시의성 평가, 정책 유효성 평가의 주기적 반복 목적
ㅇ환경오염 통합 예측 알고리즘, 실시간 환경 텍스트 분석 알고리즘, 질문중심 데이터
베이스로 구성
o 2022년 연구목표: (가칭) 환경정책 모니터링 시스템의 구성요소 강화
ㅇ 오염도 예측
- 대기 및 수질 오염도 예측에 설명 가능성 강화
ㅇ 질문중심 데이터베이스
- 국가 지속가능발전목표(K-SDGs)에 대한 이슈 상황판 구성
ㅇ 실시간 환경 텍스트 분석 알고리즘
- 환경 빅데이터 플랫폼 산출물
Ⅱ. 설명 가능한 인공지능 기반 새로운 미세먼지 예측 모듈 개발
o 연구 목적
ㅇ 연구 목적: 미세먼지 예측에 설명 가능한 인공지능 기법 도입
- 인공지능 예측 모형에 대한 투명성 및 신뢰성 확보
o 연구 방법
ㅇ 에어코리아, 기상청으로부터 데이터 수집
ㅇ 결측치공간보간으로 데이터 전처리
ㅇ Vision Transformer(ViT)를 이용한 attention score 및 shapely value 도출
o 높은 단기 예측 성능을 유지한 상태에서 설명 가능한 인공지능 예측 모형 구축
ㅇ Interpolated Convolutional Neural Network(ICNN)에 ViT를 결합
ㅇ attention score를 통해 특정 patch가 결과에 어느 정도 영향을 미쳤는지 추론 가능
ㅇ shapely value를 통한 변수 중요도 파악
ㅇ 인공지능 기반 미세먼지 예측에 대한 투명성 및 신뢰 가능한 설명력 제공
Ⅲ. 설명 가능한 딥러닝 모델을 활용한 담수 수계 부영양화 지수농도 산정
o 연구 목적
ㅇ 딥러닝 기반 모델 부영양화 지수농도 산정
ㅇ 설명 가능한 딥러닝 알고리즘을 활용한 부영양화 지표에 대한 수질 영향인자 비교분석
o 연구 방법
ㅇ 국가 하천수질 우심지역 선정(낙동강 달성보, 금강 백제보 수질 측정망 지점)
ㅇ 입·출력자료 선정
- 독립변수:수온, SS, TN, NO2, NO3, NH4, DO, PO4, BOD, pH, 전기전도도, 강수량, 유량
- 종속변수: 클로로필a, COD, TP
ㅇ1-D CNN 예측 모형 구축 및 CBAM(Convolutional Block Attention Module)을 통한 설명 가능한 인공지능 예측 모형 구축
o 예측결과 및 활용
ㅇ 부영양화 지표 예측 모형의 계절적 주기성 모사 가능 확인
ㅇ 설명 가능한 인공지능 기법을 통한 부영양화 현상의 주요 수질인자 파악
ㅇ부영양화 지표 및 수질인자 분석정보를 활용한 수질관리 정책의 기초자료로 활용 가능
Ⅳ. K-SDGs 환경 분야 이행점검을 위한 질문중심 반응형 대시보드의 활용
o 연구 목적
ㅇ 정보공개 패러다임 측면에서 반응형 대시보드의 의미와 가능성 검토
ㅇ 세부목표별 이행점검을 위한 지표 도출 및 통계자료 연계
ㅇK-SDGs 환경 분야 이행점검을 위한 SAS Viya Visual Analytics 기반 반응형 대시보드 개발
o 질문중심 반응형 대시보드 구축
ㅇ K-SDGs 환경 분야의 세부목표별 이행점검을 위한 지표 도출 및 통계자료 연계
ㅇ SDGs 관련 통계자료에 대한 시계열 분석 절차 모듈화
ㅇ SDGs 이행 수준에
