LSTM 기반 후처리를 이용한 SVD 기반 미세먼지 농도 디지털 트위닝의 노이즈 억제 향상 (Noise Reduction Enhancement of SVD-based Particulate Matter Digital Twinning using LSTM-based Post-processing)

서지정보

· 발행기관 : 한국정보통신학회
· 수록지 정보 : 한국정보통신학회논문지 / 28권 / 7호 / 795 ~ 804페이지
· 저자명 : 이승민, 박대진

초록

본 연구는 미세먼지 농도 측정을 위한 저비용 센서의 정확성과 신뢰성 향상을 목표로 한다. 미세먼지 농도를 측정 센서 장비는 고비용이며, 먼지 개수를 먼지 농도로 보정하는 전달 함수는 복잡하고 알려지지 않는다. 기존 연구는 특이값 분해를 이용하여 효과적인 전달 행렬을 얻을 수 있었지만, 저비용 센서에서 측정된 노이즈 정보도 함께 전달된다. 본 연구에서는 노이즈 억제를 위한 필터로 장단기 메모리를 이용하여, 고비용 레퍼런스 장비에서 측정된 데이터의 흐름을 효과적으로 모방한다. 실험 결과, 기존 필터들은 약 20% 정도의 노이즈를 억제하였으며, 제안한 장단기 메모리는 약 50% 정도의 노이즈를 억제하였다. 또한, 불연속적인 동작에서 동작 초기 데이터를 5회 반복학습한 결과, 초기 데이터에서 발생하는 상대오차를 10% 이내로 크게 감소시킴으로써 초기 딜레이를 크게 줄일 수 있었다.

영어초록

This study aims to enhance the accuracy and reliability of low-cost sensors for measuring fine dust concentrations. Sensors used to measure the concentration of fine dust particles are expensive and the transfer function that adjusts the number of dust particles to dust concentration is complex and not well-known. Previous research has utilized singular-value-decomposition to obtain effective transfer matrices, but noise information measured by low-cost sensors is also transmitted. In this study, by using long short-term memory as filter for noise suppression, we effectively mimicking the data flow measured by expensive reference device. Experimental results show that existing filters suppress noise by approximately 20%, while the proposed long short-term memory filter achieves around 50% noise suppression. Furthermore, in discontinuous operations, five times repetitive learning of initial data reduced the relative error in initial data to within 10%, significantly reducing the initial delay.

참고자료

· 없음