1 |
1
컴퓨팅 장치에 의해 수행되는 실내 공간에서 초미세먼지의 볼륨을 예측하는 방법으로서,하나 이상의 미립자 물질 및 환경 인자 중에서 초미세먼지와 소정의 상관도를 갖는 특징 정보를 선택하는 단계; 및상기 선택된 특징 정보를 인공지능 기반으로 미리 학습된 예측 모델에 입력하여, 소정 시간 경과 후의 상기 실내 공간의 초미세먼지의 볼륨을 예측하는 단계를 포함하는, 초미세먼지 볼륨 예측 방법
|
2 |
2
제1항에 있어서,상기 하나 이상의 미립자 물질은, 직경이 0
|
3 |
3
제2항에 있어서,상기 예측 모델은,제1 네트워크 및 상기 제1 네트워크의 출력값을 반영하는 제2 네트워크를 포함하며,상기 제1 네트워크는, 상기 선택된 특정 정보를 입력받아, 시계열적 데이터를 출력하도록 학습되며,상기 제2 네트워크는, 상기 출력된 시계열적 데이터를 입력받아, 상기 실내 공간의 초미세먼지의 볼륨을 예측하도록 학습되는, 초미세먼지 볼륨 예측 방법
|
4 |
4
제3항에 있어서,상기 제2 네트워크는,상기 출력된 시계열적 데이터를 입력받아, 데이터의 이상(anomaly) 상태를 탐지하고 구분하도록 학습되는, 초미세먼지 볼륨 예측 방법
|
5 |
5
제4항에 있어서,상기 제2 네트워크는,예측의 불확실성을 반영하여 학습되는, 초미세먼지 볼륨 예측 방법
|
6 |
6
하드웨어인 컴퓨터와 결합되어, 제1항 내지 제5항 중 어느 한 항의 방법을 실행시키기 위하여 매체에 저장된, 초미세먼지 볼륨 예측 프로그램
|
7 |
7
실내 공간에서 초미세먼지의 볼륨을 예측하는 장치로서,하나 이상의 미립자 물질 및 환경 인자를 측정하는 센싱부; 및 상기 센싱부를 통해 측정된 하나 이상의 미립자 물질 및 환경 인자 중에서 미세먼지와 소정의 상관도를 갖는 특징 정보를 선택하고, 상기 선택된 특징 정보를 인공지능 기반으로 미리 학습된 예측 모델에 입력하여, 소정 시간 경과 후의 상기 실내 공간의 초미세먼지의 볼륨을 예측하는 제어부를 포함하는, 초미세먼지 볼륨 예측 장치
|
8 |
8
제7항에 있어서,상기 하나 이상의 미립자 물질은, 직경이 0
|
9 |
9
제8항에 있어서,상기 예측 모델은,제1 네트워크 및 상기 제1 네트워크의 출력값을 반영하는 제2 네트워크를 포함하며,상기 제1 네트워크는, 상기 선택된 특정 정보를 입력받아, 시계열적 데이터를 출력하도록 학습되며,상기 제2 네트워크는, 상기 출력된 시계열적 데이터를 입력받아, 상기 실내 공간의 초미세먼지의 볼륨을 예측하도록 학습되는, 초미세먼지 볼륨 예측 장치
|
10 |
10
제9항에 있어서,상기 제2 네트워크는,상기 출력된 시계열적 데이터를 입력받아, 데이터의 이상(anomaly) 상태를 탐지하고 구분하도록 학습되는, 초미세먼지 볼륨 예측 장치
|
11 |
11
제10항에 있어서,상기 제2 네트워크는,예측의 불확실성을 반영하여 학습되는, 초미세먼지 볼륨 예측 장치
|