시각화 모델링 / 유동확산 모델링

시계열적 정렬 및 드론 관측지점에 기반한 시초 데이터 정렬
Feature 선택: 각 데이터의 미세먼지 농도 (Pc), 및 독립변수 x, y, z, t 를 feature로 기록하며, 기상기후빅데이터 포털을 통해 수집한 풍향, 풍속, 기온 (연직) 등의 데이터와 조합 딥러닝을 통하여 RMSE 6.5 내외의 예측 오차 (기존 통계학적 방법론은 최소 8 - 9 사이의 RMSE 편차)를 확보 가능
정렬된 데이터를 통한, 미세먼지 1차적인 시각화 → 기초 데이터에 기반한 데이터 : 1차적인 미세먼지 맵핑
데이터에 기반한 미세먼지 유동 시각화
맵핑된 미세먼지 데이터에 기반한 미세먼지 유동 해석
공간장 내 kNN: k nearest neighbor 중 가장 짧은 유클리드 거리를 측정하는 방법론
시간장 내 kNN: 시간 장 내에서 가장 비슷한 변화율을 보이는 것을 측정하며 이를 dynamic time warping을 통하여 농도 및 변화를 비교할 수 있는 방법론
Deep neural network: 표준화 연산을 통하여 모든 실제 데이터를 스케일링하며 이를 DNN으로 변환한다. 산출값을 통하여 향후 미세먼지의 농도를 예측할 수 있으며 어느 공간에 얼마나 존재할 지를 예보할 수 있다.

데이터와 리소스

필드	값
소스	http://www.datastore.or.kr/product/file/d03a0031-3ec5-4d6d-98af-02630ac00d51
버전	2020-04-17
가격	100,000원