| 1 |
1
인공지능을 이용하여 공기질에 대한 측정 데이터의 손실 데이터를 보정하고, 상기 보정된 데이터에 기반하여 환기 장치를 제어하기 위한 환기 제어 장치에 있어서,상기 공기질에 대한 측정 데이터를 수집하는 데이터 수집부;상기 수집된 측정 데이터에 복수의 서로 다른 손실율을 적용하여 제1 시나리오를 생성하고, 상기 수집된 측정 데이터 중 적어도 하나의 측정 데이터 포인트를 결측치로 처리한 제2 시나리오를 생성하며, 상기 생성된 제1 시나리오 및 상기 제2 시나리오에 기반하여 보정 모델을 학습하는 인공지능 처리부; 및상기 학습된 보정 모델을 이용하여 상기 손실 데이터를 보정하고, 상기 보정된 데이터에 기반하여 상기 환기 장치를 제어하는 제어부를 포함하는 것을 특징으로 하는환기 제어 장치
|
| 2 |
2
제1항에 있어서,상기 인공지능 처리부는 상기 수집된 측정 데이터에 대하여 20% 내지 80%의 범위에서 상기 복수의 서로 다른 손실율을 적용하여 상기 제1 시나리오를 생성하는 것을 특징으로 하는환기 제어 장치
|
| 3 |
3
제2항에 있어서,상기 제1 시나리오는 상기 복수의 서로 다른 손실율에 따른 데이터 간격이 존재하는 복수의 누락 데이터로 구성되는 것을 특징으로 하는환기 제어 장치
|
| 4 |
4
제3항에 있어서,상기 인공지능 처리부는 상기 복수의 서로 다른 손실율을 상기 20% 내지 80%의 범위에서 20%, 50% 및 80%로 결정한 경우, 상기 20%와 상기 50% 사이의 간격에 해당하는 누락 데이터의 평균 값과 상기 50%와 상기 80% 사이의 간격에 해당하는 누락 데이터의 평균 값 사이의 평균 값을 이용하는 것을 특징으로 하는환기 제어 장치
|
| 5 |
5
제1항에 있어서,상기 인공지능 처리부는 상기 수집된 측정 데이터의 총 측정 시간 중 임의의 시간에서 적어도 하나의 측정 데이터 포인트를 결측치로 처리한 제2 시나리오를 생성하는 것을 특징으로 하는환기 제어 장치
|
| 6 |
6
제5항에 있어서,상기 제2 시나리오는 상기 적어도 하나의 측정 데이터 포인트에 따른 적어도 하나의 누락 데이터로 구성되는 것을 특징으로 하는환기 제어 장치
|
| 7 |
7
제6항에 있어서,상기 인공지능 처리부는 상기 적어도 하나의 측정 데이터 포인트의 사이에 위치하는 적어도 하나의 측정 데이터 포인트에서 측정된 데이터의 평균 값을 이용하는 것을 특징으로 하는환기 제어 장치
|
| 8 |
8
제6항에 있어서,상기 인공지능 처리부는 상기 적어도 하나의 측정 데이터 포인트의 이전 측정 데이터 포인트의 측정 데이터와 이후 측정 데이터 포인트의 측정 데이터의 평균 값을 이용하는 것을 특징으로 하는환기 제어 장치
|
| 9 |
9
제1항에 있어서,상기 인공지능 처리부는 변이 오토인코더(Variational Auto Encoder, VAE)와 합성곱 신경망(Convolutional layer, CNN)을 결합하여 상기 제1 시나리오 및 상기 제2 시나리오를 기계 학습함에 따라 상기 보정 모델을 학습하는 것을 특징으로 하는환기 제어 장치
|
| 10 |
10
제1항에 있어서,상기 데이터 수집부는 상기 공기질과 관련하여 산화 질소(NOX), 미세 먼지 농도(PM10), 초 미세 먼지 농도(PM2
|
| 11 |
11
인공지능을 이용하여 공기질에 대한 측정 데이터의 손실 데이터를 보정하고, 상기 보정된 데이터에 기반하여 환기 장치를 제어하기 위한 환기 제어 방법에 있어서,데이터 수집부에서, 상기 공기질에 대한 측정 데이터를 수집하는 단계;인공지능 처리부에서, 상기 수집된 측정 데이터에 복수의 서로 다른 손실율을 적용하여 제1 시나리오를 생성하는 단계;상기 인공지능 처리부에서, 상기 수집된 측정 데이터 중 적어도 하나의 측정 데이터 포인트를 결측치로 처리한 제2 시나리오를 생성하고, 상기 생성된 제1 시나리오 및 상기 제2 시나리오에 기반하여 보정 모델을 학습하는 단계; 및제어부에서, 상기 학습된 보정 모델을 이용하여 상기 손실 데이터를 보정하고, 상기 보정된 데이터에 기반하여 상기 환기 장치를 제어하는 단계를 포함하는 것을 특징으로 하는환기 제어 방법
|
| 12 |
12
제11항에 있어서,상기 인공지능 처리부는 상기 수집된 측정 데이터에 대하여 20% 내지 80%의 범위에서 상기 복수의 서로 다른 손실율을 적용하되, 상기 복수의 서로 다른 손실율을 상기 20% 내지 80%의 범위에서 20%, 50% 및 80%로 결정한 경우, 상기 20%와 상기 50% 사이의 간격에 해당하는 누락 데이터의 평균 값과 상기 50%와 상기 80% 사이의 간격에 해당하는 누락 데이터의 평균 값 사이의 평균 값을 이용하여 상기 제1 시나리오를 생성하는 단계를 포함하는 것을 특징으로 하는 환기 제어 방법
|
| 13 |
13
제11항에 있어서,상기 수집된 측정 데이터 중 적어도 하나의 측정 데이터 포인트를 결측치로 처리한 제2 시나리오를 생성하고, 상기 생성된 제1 시나리오 및 상기 제2 시나리오에 기반하여 보정 모델을 학습하는 단계는,상기 수집된 측정 데이터의 총 측정 시간 중 임의의 시간에서 적어도 하나의 측정 데이터 포인트를 결측치로 처리한 제2 시나리오를 생성하되, 상기 적어도 하나의 측정 데이터 포인트의 사이에 위치하는 적어도 하나의 측정 데이터 포인트에서 측정된 데이터의 평균 값을 이용하여 상기 제2 시나리오를 생성하는 단계를 포함하는 것을 특징으로 하는 환기 제어 방법
|
| 14 |
14
제11항에 있어서,상기 생성된 제1 시나리오 및 상기 제2 시나리오에 기반하여 보정 모델을 학습하는 단계는변이 오토인코더(Variational Auto Encoder, VAE)와 합성곱 신경망(Convolutional layer, CNN)을 결합하여 상기 제1 시나리오 및 상기 제2 시나리오를 기계 학습함에 따라 상기 보정 모델을 학습하는 단계를 포함하는 것을 특징으로 하는환기 제어 방법
|
| 15 |
15
제11항에 있어서,상기 공기질에 대한 측정 데이터를 수집하는 단계는상기 공기질과 관련하여 산화 질소(NOX), 미세 먼지 농도(PM10), 초 미세 먼지 농도(PM2
|
