2020년 COVI-19 대유행기간에 대표적인 주요 도시인 서울, 부산, 광주와 2015년 3월의 황사기간에 강릉의 실시간 대기질 예측을 인공신경망모델인 Artificial neural network model-Sigmoid function(ANN-Sigmoid)과 -Hyperbolic tangent function(ANN-tanh), 다변량회귀기법(Multivariate regression model; MRM)으로 수행하였다.

2020년 COVID-19가 전국적으로 대유행하고 있을 때, 도시 자체와 도시간에 사람 및 차량의 이동이 많이 감소하여, 2019년 비해 서울(부산, 광주)에서 PM10, PM2.5와 NO₂의 평균농도가 15%(17.8%, 31.4%), 16.4%(21%, 22.9%), 15%(16.8%, 21.2%)로 전국적으로 약 20% 정도 감소하였다. 3개 도시간에 대기오염물질의 이동을 고려하고, 그 도시들에서 PM10, PM2.5, NO₂의 1일 평균농도를 예측하는 모델을 고안하기 위해, 각 도시의 PM10, PM2.5, SO₂, CO, O₃ 및 NO₂ 농도의 총 18개 자료를 ANN-Sigmoid, ANN-tanh과 다변량회귀모델의 입력자료로 사용하고, 모델들의 예측 성능을 비교하였다.

인공신경망모델의 은닉층에서 노드 수를 15, 17, 19로 구분하고, 입력층-은닉층-출력층 사이에 활성함수를 Sigmoid와 Sigmoid, tanh와 tanh로 채택하였다. 서울에서, PM10(PM2.5, NO₂) 예측값과 측정값 간의 Pearson r 상관계수는 Sigmoid-0.961(0.972, 0.957), tanh-0.976(0.976, 0.959), 다변량회귀-0.959(0.964, 0.951)이었고, ANN-tanh모델의 예측 성능이 가장 높았다. 부산에서, PM10(PM2.5, NO₂)의 Pearson r은 Sigmoid-0.964(0.964, 0.942), tanh-0.974(0.982, 0.938), 다변량회귀-0.963(0.966, 0.913)이었다. NO₂의 경우에 ANN-Sigmoid의 예측 성능이 ANN-tanh보다 약간 높았고, 그 외는 ANN-tanh의 성능이 가장 높았다. 광주에서, PM10(PM2.5, NO₂)의 Pearson r은 Sigmoid-0.974(0.974, 0.956), tanh-0.989(0.966, 0.961), 다변량회귀-0.971(0.971, 0.954)로 ANN-tanh 모델의 예측 성능이 가장 높았다. 3개 도시에서 3개 모델의 예측 성능이 탁월했으며, ANN-tanh 모델이 가장 우수하였다.

고비사막에서 발생한 황사가 북서풍에 의해 중국 북동지역의 북경시로 수송되면, 북경시의 대기오염물질과 결합된다. 결합된 대기오염물질이 강릉시와 같은 한반도로 수송되어, 도시의 대기질에 크게 영향을 준다. 강릉시에서 2015년 3월 18일부터 3월 27일까지 황사 전, 중, 후로 나누어서, 강릉시의 매 시각별 PM10, PM2.5, NO₂ 농도가 예측되었다.

강릉에서 현재 시각의 PM10. PM2.5와 NO₂의 농도를 예측하기 위해, 강릉보다 2일 전의 북경의 대기질 자료(PM10, PM2.5, SO₂, CO, O₃, NO₂)와 강릉의 1시간(또는 3시간) 전의 3개의 기상변수(기온, 풍속, 상대습도)와 대기질 자료(PM10, PM2.5, SO₂, CO, O₃, NO₂), 총 15 자료를 ANN-Sigmoid, ANN-tanh, 다변량회귀모델의 입력자료로 사용하였다. ANN-Sigmoid, ANN-tanh에서 13, 15, 17개로 구분된 은닉층 노드 수가 COVID-19 경우와 같은 방법으로 활성함수로 처리하여 모델을 운용하기위해 사용되었다.

황사 전, 중, 후에 강릉에서 매 시각별 PM10, PM2.5, NO₂ 농도를 예측하는 ANN-Sigmoid, ANN-tanh, 다변량회귀모델 같은 3종류의 모델이 개발되었으며, 모델들의 성능이 상호 비교되었다. 황사 전에, PM10, 의 예측값과 측정값 간에 피어슨 r은 Sigmoid-0.955(0.867), tanh-0.982(0.959), and multivariate regression-0.961(0.909)이었으며, ANN-tanh 모델의 예측 성능이 가장 높았다. 황사 중에는 PM10(PM2.5)의 Pearson r은 Sigmoid-0.943(0.980), tanh-0.972(0.984), 다변량회귀-0.948(0.977)이었으며, ANN-tanh 모델이 최상이었다. 황사 후에, Pearson r이 sigmoid-0.931(0.956), tanh-0.955(0.962), 다변량회귀-0.920(0.947)이었고, ANN-tanh모델이 예측 성능이 가장 높았다. 전 연구기간에 모든 모델의 예측 성능이 매우 우수하였고, ANN-tanh 모델이 가장 좋았다. 본 연구에서 개발된 모델들은 평상시와 황사기간에 도시의 대기질 예측과 활용에 크게 기여할 것이다.