AI요약

기존 공기질 예측 모델은 센서 고장이나 측정소 부재 지역에서 실시간 모니터링에 한계가 있어 신뢰성 높은 시스템 개발이 요구되어 왔습니다. 본 기술은 이를 해결하기 위해 인공지능-그래프 신경망(GNN) 기반 '거리 적응형 그래프 컨볼루션 게이트 네트워크(DAGCGN)'을 제안합니다. DAGCGN은 기존 측정소 데이터를 정교하게 전처리하고, 측정소 간 시공간 상관관계를 분석해 모델을 구축합니다. 거리 정보와 노드 샘플링으로 원거리 노이즈를 최소화하고 복잡한 상호작용을 학습하여 공기질 오염 물질을 예측하며, 센서 부재 지역에서도 정확한 예측과 조기 경보가 가능합니다. 실제 검증 결과, PM2.5 예측에서 RMSE를 최대 52% 감소시켜 기존 모델 대비 탁월한 성능을 보였으며, 도시 대기질 모니터링의 사각지대를 해소하고 건강한 환경 유지에 기여할 수 있습니다.