מושגי ליבה
기계 학습을 사용하여 다양한 대기 오염 물질 농도를 기반으로 AQI를 예측할 수 있으며, 펀잡 지역의 작물 잔여물 소각이 AQI 변동성에 중요한 영향을 미치는 것으로 나타났다.
תקציר
이 연구는 기계 학습 기술을 사용하여 인도 델리, 하리아나, 펀잡 주의 22개 모니터링 스테이션에서 AQI를 예측하는 것을 목표로 한다.
데이터 전처리 단계에서는 결측값 처리, 상관관계 분석, 특성 선택 등의 작업을 수행하였다. 이후 CatBoost, XGBoost, 랜덤 포레스트, SVR, SARIMAX, LSTM 등 다양한 기계 학습 및 시계열 모델을 적용하여 AQI를 예측하고 모델 성능을 비교하였다.
분석 결과, 랜덤 포레스트 모델이 가장 우수한 성능을 보였다. 또한 펀잡 지역의 작물 잔여물 소각이 인접 지역인 델리의 AQI 변동성에 큰 영향을 미치는 것으로 나타났다.
향후 연구에서는 기상 데이터 등 추가 정보를 활용하여 모델 성능을 개선하고, SARIMAX 모델을 활용하여 펀잡과 하리아나 지역의 AQI를 예측해볼 수 있을 것이다.
סטטיסטיקה
작물 잔여물 소각으로 인해 연간 약 3.4Mt의 CO, 0.1Mt의 NOx, 91Mt의 CO2, 0.6Mt의 CH4, 1.2Mt의 PM이 대기 중으로 배출된다.
인도에서는 연간 약 352Mt의 작물 잔여물이 발생하며, 이 중 약 84Mt(23.86%)가 현장에서 소각된다.
펀잡과 하리아나 주에서는 11월에 작물 잔여물 소각이 가장 많이 이루어지며, 이로 인해 11월 AQI가 크게 악화된다.
ציטוטים
"작물 잔여물 소각은 남아시아 지역의 주요 대기 오염 원인이며, 심각한 건강 및 환경 피해를 야기한다."
"델리의 경우 2019년 기준 세계에서 가장 오염된 20개 도시 중 14개가 인도에 속한다."