KR20230063539A - 미세먼지 성분 영향 평가 장치 및 방법 - Google Patents
미세먼지 성분 영향 평가 장치 및 방법 Download PDFInfo
- Publication number
- KR20230063539A KR20230063539A KR1020210148705A KR20210148705A KR20230063539A KR 20230063539 A KR20230063539 A KR 20230063539A KR 1020210148705 A KR1020210148705 A KR 1020210148705A KR 20210148705 A KR20210148705 A KR 20210148705A KR 20230063539 A KR20230063539 A KR 20230063539A
- Authority
- KR
- South Korea
- Prior art keywords
- fine dust
- mass concentration
- variable
- component
- discriminant analysis
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 310
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000000694 effects Effects 0.000 title claims abstract description 25
- 239000000126 substance Substances 0.000 claims abstract description 102
- 238000004458 analytical method Methods 0.000 claims abstract description 95
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000012795 verification Methods 0.000 claims description 17
- 239000002245 particle Substances 0.000 claims description 16
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 15
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 claims description 14
- 229910002651 NO3 Inorganic materials 0.000 claims description 13
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 13
- 230000001419 dependent effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 241000283965 Ochotona princeps Species 0.000 claims description 6
- 241000555745 Sciuridae Species 0.000 claims description 6
- 238000004148 unit process Methods 0.000 claims 1
- 239000013618 particulate matter Substances 0.000 description 17
- 238000005259 measurement Methods 0.000 description 6
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000000491 multivariate analysis Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005250 beta ray Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- LFLZOWIFJOBEPN-UHFFFAOYSA-N nitrate, nitrate Chemical compound O[N+]([O-])=O.O[N+]([O-])=O LFLZOWIFJOBEPN-UHFFFAOYSA-N 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0096—Investigating consistence of powders, dustability, dustiness
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Dispersion Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
미세먼지 성분 영향 평가 장치 및 방법이 개시된다. 본 발명의 일 측면에 따른 미세먼지 성분 영향 평가 장치는, 미세먼지 측정장치로부터 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 수신하고, 상기 미세먼지 화학성분을 분석하여 미세먼지 화학성분 농도를 산출하며, 상기 미세먼지 질량 농도 및 미세먼지 화학성분 농도를 동일한 시간 단위의 값으로 가공 처리하는 전처리부, 상기 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 일정 개수의 그룹으로 구분하고, 상기 가공 처리된 미세먼지 화학성분 농도를 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 제1 변수로 도출하는 제1 판별분석부, 및 각 그룹별 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비를 제2 변수로 도출하는 제2 판별분석부를 포함한다.
Description
본 발명은 미세먼지 성분 영향 평가 장치 및 방법에 관한 것으로서, 보다 상세하게는 미세먼지 질량 농도와 미세먼지 화학성분을 동시에 측정하고, 미세먼지 질량 농도를 기초하여 그룹을 구분하며, 각 그룹별 미세먼지 화학성분의 영향을 예측할 수 있도록 하는 미세먼지 성분 영향 평가 장치 및 방법에 관한 것이다.
대형 발전소 등과 같은 점오염원에서 발생되는 미세먼지 및 전구물질의 관리는 중요하며, 굴뚝으로 배출된 이후 대기 정체 및 확산 등 기상특성이나 외부 오염물질의 유입 등의 여러 가지 원인들로 인하여 굴뚝에서 배출 이후 주변 지역의 농도 변동 특성을 파악하는데 어려움이 있다.
이들에 대한 정량적 규명과 저감 및 관리를 위해서는 주변 지역을 대상으로 장기적인 대기 모니터링이 필요하다. 발전소 주변의 대부분의 모니터링의 경우 미세먼지 농도만을 측정하고 그 결과를 단순 통계로만 이용하고 있는 실정이므로, 복합적이고 다양한 미세먼지 농도의 거동 특성을 정확히 파악하기는 부족하다.
이에 대한 방법 중 하나로는 다변량 분석법이 보편적으로 이용되고 있으며, 다변량 분석법은 복수의 변량(다변량)의 데이터가 동시에 얻어질 때에 이용되는 분석기법으로서 변량 사이의 상관을 밝힐 수 있다. 어떤 하나의 변수 값을 다른 변수의 값을 사용해서 예측하거나 제어하는 경우에는 주로 이용되는 회귀분석(Regression analysis), 다변량의 데이터로부터 본질이 되는 소수의 변량을 합성하여 그것으로 데이터를 해석하는 주성분분석(principal component analysis), 단순한 요인으로 복잡한 것을 설명하고자 하는 통계적인 기법인 요인분석(factor analysis), 어떤 관측대상이 소속하는 그룹을 예측하기 위한 판별분석(discriminant analysis), 관측되어 있는 데이터에 의거하여 대상을 몇 개의 그룹으로 분류하는데 이용되는 군집분석(cluster analysis) 등 여러 가지가 있다.
그러나, 종래에는 미세먼지의 농도만 측정하고, 미세먼지 샘플의 양이 매우 적다 보니 각각의 성분분석을 위해서는 매우 많은 샘플이 필요하게 되며, 이에 따라 미세먼지를 구성하는 화학성분에 따른 영향 정도에 대해서는 제공하지 못하는 문제가 있었다.
이에, 미세먼지 질량 농도와 미세먼지 화학성분을 동시에 측정하고, 미세먼지 질량 농도에 기초하여 그룹을 구분하며, 각 그룹별 미세먼지 화학성분의 영향을 예측할 수 있도록 하는 기술 개발이 요구되고 있다.
본 발명의 배경기술은 공개특허공보 제10-2021-0089013호(2021.07.15. 공개)에 개시되어 있다.
본 발명은 상기와 같은 문제점들을 개선하기 위하여 안출된 것으로, 본 발명의 일 측면에 따른 목적은 미세먼지 질량 농도와 미세먼지 화학성분을 동시에 측정하고, 미세먼지 질량 농도에 기초하여 그룹을 구분하며, 각 그룹별 미세먼지 화학성분의 영향을 예측할 수 있도록 하는 미세먼지 성분 영향 평가 장치 및 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 측면에 따른 미세먼지 성분 영향 평가 장치는, 미세먼지 측정장치로부터 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 수신하고, 상기 미세먼지 화학성분을 분석하여 미세먼지 화학성분 농도를 산출하며, 상기 미세먼지 질량 농도 및 미세먼지 화학성분 농도를 동일한 시간 단위의 값으로 가공 처리하는 전처리부, 상기 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 일정 개수의 그룹으로 구분하고, 상기 가공 처리된 미세먼지 화학성분 농도를 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 제1 변수로 도출하는 제1 판별분석부, 및 각 그룹별 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비를 제2 변수로 도출하는 제2 판별분석부를 포함한다.
본 발명에서 상기 전처리부는, 상기 미세먼지 화학성분에 대해 Squirrel 분석을 수행하여 미세먼지 입자의 성분을 분리하고, Pika 분석을 통해 각 입경별 구성 성분을 분석함으로써, 상기 미세먼지 화학성분 농도를 산출할 수 있다.
본 발명에서 상기 전처리부는, 상기 미세먼지 질량 농도와 상기 미세먼지 화학성분 농도를 1시간 단위의 평균 값으로 각각 가공 처리할 수 있다.
본 발명에서 상기 제1 판별분석부는, 상기 가공 처리된 미세먼지 질량 농도에 기초하여 상기 PM 2.5 미세먼지를 Clean, Normal, Bad, 및 Extreamly Bad의 4개의 그룹으로 구분할 수 있다.
본 발명에서 상기 제1 판별분석부는, 정준판별분석(Canonical Discriminant analysis)을 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 판별할 수 있다.
본 발명에서 상기 제1 판별분석부는, 상기 정준판별 분석 시, 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)의 화학성분 농도를 독립변수로 하고, Clean, Normal, Bad, 및 Extreamly Bad를 종속변수로 할 수 있다.
본 발명에서 상기 제2 판별분석부는, 판별분석을 이용하여 미세먼지 성분비인 NO3 -/NH4 +, SO4 2-/NH4 +, 및 OA/NH4 + 중 적어도 하나를 각 그룹의 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비로 도출할 수 있다.
본 발명은 상기 제1 변수 및 제2 변수의 적합 여부를 검증하는 검증부를 더 포함할 수 있다.
본 발명에서 상기 검증부는, 윌크스의 람다(Wilks Lambda), F-Values, 및 유의확률(Significance) 중 적어도 하나를 이용하여 상기 제1 변수 및 제2 변수의 적합 여부를 검증할 수 있다.
본 발명의 다른 측면에 따른 미세먼지 성분 영향 평가 방법은, 전처리부가, 미세먼지 측정장치로부터 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 수신하고, 상기 미세먼지 화학성분을 분석하여 미세먼지 화학성분 농도를 산출하며, 상기 미세먼지 질량 농도 및 미세먼지 화학성분 농도를 동일한 시간 단위의 값으로 가공 처리하는 단계, 제1 판별분석부가, 상기 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 일정 개수의 그룹으로 구분하고, 상기 가공 처리된 미세먼지 화학성분 농도를 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 제1 변수로 도출하는 단계, 및 제2 판별분석부가, 각 그룹별 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비를 제2 변수로 도출하는 단계를 포함한다.
본 발명은 상기 가공 처리하는 단계에서, 상기 전처리부는, 상기 미세먼지 화학성분에 대해 Squirrel 분석을 수행하여 미세먼지 입자의 성분을 분리하고, Pika 분석을 통해 각 입경별 구성 성분을 분석함으로써, 상기 미세먼지 화학성분 농도를 산출할 수 있다.
본 발명은 상기 가공 처리하는 단계에서, 상기 전처리부는, 상기 미세먼지 질량 농도와 상기 미세먼지 화학성분 농도를 1시간 단위의 평균 값으로 각각 가공 처리할 수 있다.
본 발명은 상기 제1 변수로 도출하는 단계에서, 상기 제1 판별분석부는, 상기 가공 처리된 미세먼지 질량 농도에 기초하여 상기 PM 2.5 미세먼지를 Clean, Normal, Bad, 및 Extreamly Bad의 4개의 그룹으로 구분할 수 있다.
본 발명은 상기 제1 변수로 도출하는 단계에서, 상기 제1 판별분석부는, 정준판별분석(Canonical Discriminant analysis)을 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 판별할 수 있다.
본 발명은 상기 제1 변수로 도출하는 단계에서, 상기 정준판별 분석 시, 상기 제1 판별분석부는 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)의 화학성분 농도를 독립변수로 하고, Clean, Normal, Bad, 및 Extreamly Bad를 종속변수로 할 수 있다.
본 발명은 상기 제2 변수로 도출하는 단계에서, 상기 제2 판별분석부는, 판별분석을 이용하여 미세먼지 성분비인 NO3 -/NH4 +, SO4 2-/NH4 +, 및 OA/NH4 + 중 적어도 하나를 각 그룹의 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비로 도출할 수 있다.
본 발명은 상기 제2 변수로 도출하는 단계 이후, 검증부가 상기 제1 변수 및 제2 변수의 적합 여부를 검증하는 단계를 더 포함할 수 있다.
본 발명은 상기 검증하는 단계에서, 상기 검증부는, 윌크스의 람다(Wilks Lambda), F-Values, 및 유의확률(Significance) 중 적어도 하나를 이용하여 상기 제1 변수 및 제2 변수의 적합 여부를 검증할 수 있다.
본 발명의 일 실시예에 따른 미세먼지 성분 영향 평가 장치 및 방법은, 미세먼지 질량 농도와 미세먼지 화학성분을 동시에 측정하고, 미세먼지 질량 농도에 기초하여 그룹을 구분하며, 각 그룹별 미세먼지 화학성분의 영향을 예측할 수 있다.
본 발명의 일 실시예에 따른 미세먼지 성분 영향 평가 장치 및 방법은, 미세먼지 농도값으로부터 어떤 등급의 농도 기준에 속하게 되는지를 알 수 있기 때문에 측정 지점의 미세먼지 관리 평가에 이용할 수 있다.
한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 본 발명의 일 실시예에 따른 미세먼지 성분의 영향 평가 시스템을 개략적으로 나타낸 블록도이다.
도 2는 본 발명의 일 실시예에 따른 미세먼지 성분의 영향 평가 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 미세먼지 성분의 영향 평가 방법을 설명하기 위한 흐름도이다.
이하, 첨부된 도면들을 참조하여 본 발명의 일 실시예에 따른 미세먼지 성분 영향 평가 장치 및 방법을 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍 가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
도 1은 본 발명의 일 실시예에 따른 미세먼지 성분의 영향 평가 시스템을 개략적으로 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 미세먼지 성분의 영향 평가 시스템은, 미세먼지 측정장치(100) 및 미세먼지 성분 영향 평가 장치(200)를 포함할 수 있다.
미세먼지 측정장치(100)는 발전소 주변 지역을 대상으로 미세먼지의 질량 농도와 미세먼지 화학성분을 측정하는 구성으로, 미세먼지 질량 측정기(110) 및 미세먼지 화학성분 측정기(120)를 포함할 수 있다.
미세먼지 질량 측정기(110)는 대기 중의 미세먼지를 포집하고, 포집된 미세먼지의 농도를 측정한다. 미세먼지는 지름이 10㎛ 미만인 입자상 물질을 의미하는 것으로, 입경이 10 미만인 PM(Particulate matter) 10, 입경이 2.5㎛ 미만인 극미세먼지(PM 2.5), 입경이 1㎛ 미만인 초극미세먼지(PM 1)로 분류된다. 즉, 미세먼지(PM 10), 극미세먼지(PM 2.5), 초극미세먼지(PM 1)는 각각 입자의 지름이 대략 10㎛, 2.5 ㎛, 1㎛ 미만인 입자상 물질의 질량 농도를 측정한 오염도를 의미한다.
PM2.5 미세먼지는 가스상 물질이 대기 중 광화학반응에 의해 새롭게 생성되는 작은 입자일 경우가 대부분이며, 이들을 구성하는 화학성분별 농도는 PM2.5 질량 농도와 비례할 수 있다.
미세먼지 질량 측정기(110)는 미세먼지를 채취한 여과지에 흡수된 베타선의 양을 측정함으로써, 그 값으로부터 미세먼지의 농도를 구하는 베타선 흡수법(Beta Gauge)을 이용할 수 있다. 즉, PM2.5의 미세먼지는 베타선(beta-ray) 측정기를 이용하여 측정하여 1시간 평균으로 측정 데이터를 취득할 수 있다.
미세먼지 화학성분 측정기(120)는 미세먼지의 구성성분인 유기성분, 황산염, 질산염, 암모늄의 질량 농도를 측정할 수 있다. 미세먼지의 구성성분인 유기성분, 황산염, 질산염, 및 암모늄의 경우, 미세먼지 화학성분 측정기(120)는 고분해능 비행시간차 질량 농도 분석기(HR-ToF-AMS)를 이용할 수 있다.
미세먼지 성분 영향 평가 장치(200)는 미세먼지 측정장치(100)로부터 미세먼지 질량 농도와 미세먼지 화학성분에 대한 정보를 수신하고, 미세먼지 질량 농도에 기초하여 일정 개수의 그룹으로 구분하며, 판별분석을 이용하여 미세먼지 화학성분 농도들의 영향 정도를 평가할 수 있다. 여기서, 그룹은 4개의 그룹일 수 있고, 4개의 그룹은 예컨대, Clean, Normal, Bad, 및 Extreamly Bad를 포함할 수 있다.
또한, 미세먼지 성분 영향 분석 장치는 미세먼지를 구성하는 화학성분 4종인 유기물, 황산염, 질산염, 및 암모늄의 영향을 고려하여 이들 성분의 영향을 예측할 수 있다.
이러한 미세먼지 성분 영향 평가 장치(200)는 전처리부(210), 제1 판별분석부(220), 제2 판별분석부(230) 및 검증부(240)를 포함할 수 있다.
전처리부(210)는 미세먼지 측정장치(100)로부터 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 수신하고, 미세먼지 화학성분을 분석하여 미세먼지 화학성분 농도를 산출하며, 미세먼지 질량 농도 및 미세먼지 화학성분 농도를 동일한 시간 단위의 값으로 가공 처리할 수 있다. 여기서, 미세먼지 질량농도는 1시간 단위 평균에 의한 값이고, 미세먼지 화학성분은 5분 단위 평균에 의한 값일 수 있다. 이처럼 미세먼지 질량 측정기(110)와 미세먼지 화학성분 측정기(120)는 서로 다른 평균화 시간 측정자료를 제공하므로, 전처리부(210)는 이를 가공하여 1시간 평균 자료의 분석 가능한 자료로 취득할 수 있다.
이를 위해, 전처리부(210)는 미세먼지 화학성분에 대해 Squirrel 분석을 수행하여 미세먼지 입자의 성분을 분리하고, Pika 분석을 통해 각 입경별 구성 성분을 분석함으로써, 미세먼지 화학성분 농도를 산출할 수 있다. 그런 후, 전처리부(210)는 미세먼지 화학성분 농도를 1시간 단위 평균 값으로 가공 처리할 수 있다.
제1 판별분석부(220)는 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 일정 개수의 그룹으로 구분하고, 가공 처리된 미세먼지 화학성분 농도를 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 제1 변수로 도출할 수 있다.
구체적으로, 제1 판별분석부(220)는 전처리부(210)에서 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 Clean, Normal, Bad, 및 Extreamly Bad의 4개의 그룹으로 구분할 수 있다.
제1 판별분석부(220)는 정준판별분석(Canonical Discriminant analysis)을 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 판별할 수 있다. 정준판별 분석 시, 제1 판별분석부(220)는 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)의 화학성분 농도를 독립변수로 하고, Clean, Normal, Bad, 및 Extreamly Bad를 종속변수로 할 수 있다.
판별분석이란, 선형판별함수를 도출하여 자료를 2개 이상의 그룹으로 분류 오차를 최소로 하는 분류 기법이며, 정량적 자료로 측정된 독립변수들을 이용하여 명목자료로 된 종속변수의 집단 구분을 예측하는데 이용될 수 있다. 따라서, PM2.5 농도 중 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)의 화학성분 농도의 정량적 자료가 독립변수가 되고, 이를 이용하여 Clean, Normal, Bad, Extreamly Bad라는 명목형 자료로 구분하는 것이 종속 변수일 수 있다.
제1 판별분석부(220)는 미세먼지 질량 농도가 미세먼지 화학성분에 따라 차이를 있는지 확인하기 위하여 정준판별분석(Canonical Discriminant analysis)을 수행할 수 있다. 이때, 제1 판별분석부(220)는 미세먼지 농도를 기준으로 4개의 그룹(Clean, Normal, Bad, Extreamly Bad)을 종속변수로 이용할 수 있고, 각 그룹에는 4종의 미세먼지 성분 특성자료(유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium))가 독립변수로 사용될 수 있다.
제1 판별분석부(220)는 정준판별분석을 수행함으로써, 표준화 판별함수계수를 도출하고, 각 그룹에서 미세먼지 성분의 양의 영향과 음의 영향을 구분하며 미세먼지 농도에 영향을 미치는 주요 성분을 판별할 수 있다.
미세먼지 화학성분 농도는 미세먼지를 구성하는 성분들의 농도이며 이들의 합은 전체 질량농도보다 클 수 없다. 미세먼지 화학성분(유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium))이 각 미세먼지 질량 농도 증가에 양의 영향과 음의 영향을 주는지는 상관관계분석을 통해 알 수 있다. 각 미세먼지 화학성분들은 다양한 기상인자(온도, 습도 등)에 반응하기 때문에 특정 조건에서는 미세먼지 화학성분의 농도가 증가한다고 할지라도 미세먼지 질량 농도는 낮아질 수 있다.
이에, 제1 판별분석부(220)는 정준판별분석을 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 판별할 수 있다.
정준판별분석(canonical discriminant analysis; CDA)은 정준분석 또는 정준상관분석이라고도 하며, 2개의 변수 집단의 선형적 연관성을 분석하는 다변량 자료분석 기법이다. 이때 두 변수 집단 간의 선형적 연관관계는 정준상관계수라는 측도를 통해 나타낼 수 있다. 정준상관분석은 다른 통계적 기법과 여러 가지 관련성을 가지고 있다. 또한, 판별분석은 한 개 이상의 판별 변수의 조합으로 이루어진 판별함수(discriminant functions)에 의해 그룹내 분산에 대해 그룹간 분산을 최대화 하고자 하는 것이다. 판별분석을 수행하기 위해서는 정성(범주, category) 종속변수와 독립변수들의 세트가 필요하며 종속 변수는 각각 개체를 한 개의 정해진 그룹에 속하도록 하는 변수이며, 선형의 판별점수는 아래 수학식 1과 같이 정의될 수 있다.
[수학식 1]
D=B0+B1X1+B2X2+BpXp
여기서, D는 판별점수, B는 변수 i에 대한 판별계수, X는 독립변수로 측정된 값일 수 있다.
제2 판별분석부(230)는 각 그룹별 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비를 제2 변수로 도출할 수 있다. 즉, 제2 판별분석부(230)는 판별분석을 이용하여 미세먼지 성분비인 NO3 -/NH4 +, SO4 2-/NH4 +, 및 OA/NH4 + 중 적어도 하나를 각 그룹의 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비로 도출할 수 있다. 판별분석 시, 제2 판별분석부(230)는 미세먼지 질량 농도 시료 n개에 대해 화학성분으로 구성된 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)을 사용하며, NO3 -/NH4 +, SO4 2-/NH4 +, 및 OA/NH4 +을 독립변수로 사용할 수 있다.
제2 판별분석부(230)는 발전소에서 주로 배출하는 가스상 오염물질인 SOx, NOx가 미세먼지 생성에 직접적으로 영향을 주는 것을 가정하여 미세먼지 성분비 자료인 NO3 -/NH4 +, SO4 2-/NH4 +, OA/NH4 +를 바탕으로 발전소 배출영향과 기타(중국 영향) 배출원의 영향을 나타낼 수 있다. 이를 통해 미세먼지 농도 변화 특성에 있어 각 그룹별 어떤 성분비가 주요한 영향을 주는 변수임을 도출할 수 있다.
미세먼지 질량 농도의 변화 특성이란 측정자료에서 변화되는 즉, 측정기간에 따라 변동되는 대기 중 미세먼지의 농도를 의미하는 것으로, 미세먼지 농도 변화특성은 낮과밤, 계절, 및 강수 등 기상 조건에 따라 변화되는 특성이 있다. 각 그룹별 어떤 미세먼지 성분비가 주요한 영향을 주는 변수인지는 판별분석이라는 통계적 툴을 이용하여 도출할 수 있다.
제1 판별분석부(220) 및 제2 판별분석부(230)를 통해 제1 변수 및 제2 변수가 도출되면, 아래 표 1과 같이 각 그룹별 영향을 미치는 주요 변수가 설정될 수 있다.
검증부(240)는 제1 판별분석부(220) 및 제2 판별분석부(230)에서 도출된 제1 변수 및 제2 변수의 적합 여부를 검증할 수 있다. 즉, 검증부(240)는 판별분석 시 이용된 변수들의 적합 여부를 검증할 수 있다. 이때, 검증부(240)는 윌크스의 람다(Wilks Lambda), F-Values, 및 유의확률(Significance) 중 적어도 하나를 이용하여 제1 변수 및 제2 변수의 적합 여부를 검증할 수 있다.
예를 들면, 검증부는 아래 표 2와 같이 제1 변수 및 제2 변수에 대한 윌크스의 람다(Wilks Lambda), F-Values, 및 유의확률(Significance)에 대한 값을 제공할 수 있다.
판별분석에 이용되는 변수들은 집단간의 차이가 있는 변수들만 이용하는데, 이를 위해 검증부(240)는 집단평균의 동질설에 대한 검정을 우선 수행할 수 있다. Wiks Lambda가 1인 경우, 관측된 집단의 평균이 동일하다는 것을 의미하지만, 0에 가까울수록 집단 내의 분산이 총 분산에 비해 적기 때문에 집단 평균간에 차이가 있음을 나타낼 수 있다. 또한 F값이 크면 집단간의 분산이 큰 것을 의미하고, 유의확률이 0.05보다 크면 집단간에 차이가 없는 것으로 간주할 수 있다. 검증부(240)는 이를 통해 판별분석 시 제외할 변수와 사용할 변수를 구분하여 모형을 구축할 수 있다.
이후 검증부(240)는 판별점수와 집단간의 관련정도를 알기 위해 정준상관관계(canonical correlation)를 분석하고 정준상관값이 클수록 판별력이 뛰어나고 Wilks lambda값이 작을수록 판별력에 대한 공헌도가 높다고 할 수 있다.
검증부(240)는 발전소 주변 미세먼지 농도에 대한 판별력이 가장 높은 변수를 도출하고, 이것에 의한 미세먼지 농도 등급 모형을 구축한 뒤 적합도를 도출할 수 있다.
상술한 바와 같이 구성된 미세먼저 성분 영향 분석 장치는 관측자료를 통해 얻어진 미세먼지 질량 농도를 바탕으로 4개의 그룹을 구분하고, 화학성분 4종((유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium))의 농도를 가지고 판별분석이라는 통계적 분석방법을 이용하여 각 성분 농도들의 영향정도를 파악하며, 4개의 그룹에 맞는지 예측할 수 있다.
도 2는 본 발명의 일 실시예에 따른 미세먼지 성분의 영향 평가 방법을 설명하기 위한 흐름도이다.
도 2를 참조하면, 미세먼지 성분 영향 평가 장치(200)는 미세먼지 측정장치(100)로부터 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 수신하고(S210), 수신한 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 전처리한다(S220). 즉, 미세먼지 성분 영향 평가 장치(200)는 미세먼지 화학성분을 분석하여 미세먼지 화학성분 농도를 산출할 수 있다. 이때, 미세먼지 성분 영향 평가 장치(200)는 미세먼지 화학성분에 대해 Squirrel 분석을 수행하여 미세먼지 입자의 성분을 분리하고, Pika 분석을 통해 각 입경별 구성 성분을 분석함으로써, 상기 미세먼지 화학성분 농도를 산출할 수 있다. 그런 후, 미세먼지 성분 영향 평가 장치(200)는 미세먼지 질량 농도와 미세먼지 화학성분 농도를 1시간 단위의 평균 값으로 각각 가공 처리할 수 있다.
S220 단계가 수행되면, 미세먼지 성분 영향 평가 장치(200)는 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 4개의 그룹으로 구분한다(S230). 이때, 미세먼지 성분 영향 평가 장치(200)는 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 Clean, Normal, Bad, 및 Extreamly Bad의 4개의 그룹으로 구분할 수 있다.
S230 단계가 수행되면, 미세먼지 성분 영향 평가 장치(200)는 가공 처리된 미세먼지 화학성분 농도를 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 제1 변수로 도출한다(S240). 이때, 미세먼지 성분 영향 평가 장치(200)는 정준판별분석(Canonical Discriminant analysis)을 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 판별할 수 있다. 정준판별 분석 시, 미세먼지 성분 영향 평가 장치(200)는 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)의 화학성분 농도를 독립변수로 하고, Clean, Normal, Bad, 및 Extreamly Bad를 종속변수로 할 수 있다.
S240 단계가 수행되면, 미세먼지 성분 영향 평가 장치(200)는 각 그룹별 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비를 제2 변수로 도출한다(S250). 이때, 미세먼지 성분 영향 평가 장치(200)는 판별분석을 이용하여 미세먼지 성분비인 NO3 -/NH4 +, SO4 2-/NH4 +, 및 OA/NH4 + 중 적어도 하나를 각 그룹의 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비로 도출할 수 있다.
S250 단계가 수행되면, 미세먼지 성분 영향 평가 장치(200)는 제1 변수 및 제2 변수의 적합 여부를 검증한다(S260). 이때, 미세먼지 성분 영향 평가 장치(200)는 윌크스의 람다(Wilks Lambda), F-Values, 및 유의확률(Significance) 중 적어도 하나를 이용하여 상기 제1 변수 및 제2 변수의 적합 여부를 검증할 수 있다.
상술한 바와 같이, 본 발명의 일 실시예에 따른 미세먼지 성분 영향 평가 장치 및 방법은, 미세먼지 질량 농도와 미세먼지 화학성분을 동시에 측정하고, 미세먼지 질량 농도를 기초하여 그룹을 구분하며, 각 그룹별 미세먼지 화학성분의 영향을 예측할 수 있다.
본 발명의 일 실시예에 따른 미세먼지 성분 영향 평가 장치 및 방법은, 미세먼지 농도값으로부터 어떤 등급의 농도 기준에 속하게 되는지를 알 수 있기 때문에 측정 지점의 미세먼지 관리 평가에 이용할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다.
100 : 미세먼지 측정장치
110 : 미세먼지 질량 측정기
120 : 미세먼지 화학성분 측정기
200 : 미세먼지 성분 영향 평가 장치
210 : 전처리부
220 : 제1 판별분석부
230 : 제2 판별분석부
240 : 검증부
110 : 미세먼지 질량 측정기
120 : 미세먼지 화학성분 측정기
200 : 미세먼지 성분 영향 평가 장치
210 : 전처리부
220 : 제1 판별분석부
230 : 제2 판별분석부
240 : 검증부
Claims (18)
- 미세먼지 측정장치로부터 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 수신하고, 상기 미세먼지 화학성분을 분석하여 미세먼지 화학성분 농도를 산출하며, 상기 미세먼지 질량 농도 및 미세먼지 화학성분 농도를 동일한 시간 단위의 값으로 가공 처리하는 전처리부;
상기 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 일정 개수의 그룹으로 구분하고, 상기 가공 처리된 미세먼지 화학성분 농도를 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 제1 변수로 도출하는 제1 판별분석부; 및
각 그룹별 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비를 제2 변수로 도출하는 제2 판별분석부
를 포함하는 미세먼지 성분 영향 평가 장치.
- 제1항에 있어서,
상기 전처리부는,
상기 미세먼지 화학성분에 대해 Squirrel 분석을 수행하여 미세먼지 입자의 성분을 분리하고, Pika 분석을 통해 각 입경별 구성 성분을 분석함으로써, 상기 미세먼지 화학성분 농도를 산출하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 제2항에 있어서,
상기 전처리부는,
상기 미세먼지 질량 농도와 상기 미세먼지 화학성분 농도를 1시간 단위의 평균 값으로 각각 가공 처리하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 제1항에 있어서,
상기 제1 판별분석부는,
상기 가공 처리된 미세먼지 질량 농도에 기초하여 상기 PM 2.5 미세먼지를 Clean, Normal, Bad, 및 Extreamly Bad의 4개의 그룹으로 구분하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 제1항에 있어서,
상기 제1 판별분석부는,
정준판별분석(Canonical Discriminant analysis)을 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 판별하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 제1항에 있어서,
상기 제1 판별분석부는,
상기 정준판별 분석 시, 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)의 화학성분 농도를 독립변수로 하고, Clean, Normal, Bad, 및 Extreamly Bad를 종속변수로 하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 제1항에 있어서,
상기 제2 판별분석부는,
판별분석을 이용하여 미세먼지 성분비인 NO3 -/NH4 +, SO4 2-/NH4 +, 및 OA/NH4 + 중 적어도 하나를 각 그룹의 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비로 도출하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 제1항에 있어서,
상기 제1 변수 및 제2 변수의 적합 여부를 검증하는 검증부를 더 포함하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 제8항에 있어서,
상기 검증부는,
윌크스의 람다(Wilks Lambda), F-Values, 및 유의확률(Significance) 중 적어도 하나를 이용하여 상기 제1 변수 및 제2 변수의 적합 여부를 검증하는 것을 특징으로 하는 미세먼지 성분 영향 평가 장치.
- 전처리부가, 미세먼지 측정장치로부터 미세먼지 질량 농도 및 미세먼지 화학성분에 대한 정보를 수신하고, 상기 미세먼지 화학성분을 분석하여 미세먼지 화학성분 농도를 산출하며, 상기 미세먼지 질량 농도 및 미세먼지 화학성분 농도를 동일한 시간 단위의 값으로 가공 처리하는 단계;
제1 판별분석부가, 상기 가공 처리된 미세먼지 질량 농도에 기초하여 PM 2.5 미세먼지를 일정 개수의 그룹으로 구분하고, 상기 가공 처리된 미세먼지 화학성분 농도를 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 제1 변수로 도출하는 단계; 및
제2 판별분석부가, 각 그룹별 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비를 제2 변수로 도출하는 단계
를 포함하는 미세먼지 성분 영향 평가 방법.
- 제10항에 있어서,
상기 가공 처리하는 단계에서,
상기 전처리부는, 상기 미세먼지 화학성분에 대해 Squirrel 분석을 수행하여 미세먼지 입자의 성분을 분리하고, Pika 분석을 통해 각 입경별 구성 성분을 분석함으로써, 상기 미세먼지 화학성분 농도를 산출하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
- 제11항에 있어서,
상기 가공 처리하는 단계에서,
상기 전처리부는, 상기 미세먼지 질량 농도와 상기 미세먼지 화학성분 농도를 1시간 단위의 평균 값으로 각각 가공 처리하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
- 제10항에 있어서,
상기 제1 변수로 도출하는 단계에서,
상기 제1 판별분석부는, 상기 가공 처리된 미세먼지 질량 농도에 기초하여 상기 PM 2.5 미세먼지를 Clean, Normal, Bad, 및 Extreamly Bad의 4개의 그룹으로 구분하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
- 제10항에 있어서,
상기 제1 변수로 도출하는 단계에서,
상기 제1 판별분석부는, 정준판별분석(Canonical Discriminant analysis)을 이용하여 각 그룹별 미세먼지 질량 농도에 영향을 미치는 주요 미세먼지 화학성분을 판별하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
- 제10항에 있어서,
상기 제1 변수로 도출하는 단계에서,
상기 정준판별 분석 시, 상기 제1 판별분석부는 유기물(Organic), 황산염(Sulfate), 질산염(Nitrate), 및 암모늄(Ammonium)의 화학성분 농도를 독립변수로 하고, Clean, Normal, Bad, 및 Extreamly Bad를 종속변수로 하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
- 제10항에 있어서,
상기 제2 변수로 도출하는 단계에서,
상기 제2 판별분석부는, 판별분석을 이용하여 미세먼지 성분비인 NO3 -/NH4 +, SO4 2-/NH4 +, 및 OA/NH4 + 중 적어도 하나를 각 그룹의 미세먼지 질량 농도의 변화 특성에 주요 영향을 미치는 미세먼지 성분비로 도출하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
- 제10항에 있어서,
상기 제2 변수로 도출하는 단계 이후,
검증부가 상기 제1 변수 및 제2 변수의 적합 여부를 검증하는 단계를 더 포함하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
- 제17항에 있어서,
상기 검증하는 단계에서,
상기 검증부는, 윌크스의 람다(Wilks Lambda), F-Values, 및 유의확률(Significance) 중 적어도 하나를 이용하여 상기 제1 변수 및 제2 변수의 적합 여부를 검증하는 것을 특징으로 하는 미세먼지 성분 영향 평가 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210148705A KR102622028B1 (ko) | 2021-11-02 | 2021-11-02 | 미세먼지 성분 영향 평가 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210148705A KR102622028B1 (ko) | 2021-11-02 | 2021-11-02 | 미세먼지 성분 영향 평가 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230063539A true KR20230063539A (ko) | 2023-05-09 |
| KR102622028B1 KR102622028B1 (ko) | 2024-01-10 |
Family
ID=86409334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210148705A KR102622028B1 (ko) | 2021-11-02 | 2021-11-02 | 미세먼지 성분 영향 평가 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102622028B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004286725A (ja) * | 2003-01-29 | 2004-10-14 | National Institute Of Advanced Industrial & Technology | 粒状物質の篩い分け法及びそれを利用した評価法 |
| JP2018112534A (ja) * | 2017-01-13 | 2018-07-19 | 富士通株式会社 | 測定装置および測定方法 |
| KR102159254B1 (ko) * | 2019-06-10 | 2020-09-23 | 한국원자력연구원 | 미세먼지 분석 장치 및 미세먼지 분석 방법 |
| KR20210054805A (ko) * | 2019-11-06 | 2021-05-14 | 한국과학기술연구원 | 미세먼지 유기성분 특성 분석 방법 |
-
2021
- 2021-11-02 KR KR1020210148705A patent/KR102622028B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004286725A (ja) * | 2003-01-29 | 2004-10-14 | National Institute Of Advanced Industrial & Technology | 粒状物質の篩い分け法及びそれを利用した評価法 |
| JP2018112534A (ja) * | 2017-01-13 | 2018-07-19 | 富士通株式会社 | 測定装置および測定方法 |
| KR102159254B1 (ko) * | 2019-06-10 | 2020-09-23 | 한국원자력연구원 | 미세먼지 분석 장치 및 미세먼지 분석 방법 |
| KR20210054805A (ko) * | 2019-11-06 | 2021-05-14 | 한국과학기술연구원 | 미세먼지 유기성분 특성 분석 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102622028B1 (ko) | 2024-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Belis et al. | A new methodology to assess the performance and uncertainty of source apportionment models II: The results of two European intercomparison exercises | |
| CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
| Gysel et al. | Inversion of tandem differential mobility analyser (TDMA) measurements | |
| CN110319982B (zh) | 基于机器学习的埋地式燃气管线泄漏判断方法 | |
| CN114674988B (zh) | 一种基于无线网络的空气在线监测系统 | |
| US6424415B1 (en) | Method and apparatus for verifying uniform flow of a fluid sample through a flow cell and distribution on a slide | |
| CN108241574A (zh) | 一种基于测试管理工具qc对软件测试缺陷进行分析的方法及系统 | |
| CN111338972A (zh) | 基于机器学习的软件缺陷与复杂度关联关系分析方法 | |
| CN111860698A (zh) | 确定学习模型的稳定性的方法和装置 | |
| CN112967764A (zh) | 多技术耦合的污染物源解析方法、装置 | |
| CN117517596B (zh) | 基于物联网的可燃及有毒有害气体实时监测方法及系统 | |
| KR102622028B1 (ko) | 미세먼지 성분 영향 평가 장치 및 방법 | |
| CN113591314A (zh) | 传感器可信性评估方法、装置、计算机设备及介质 | |
| CN112949735A (zh) | 一种基于离群数据挖掘的液态危化品挥发浓度异常发现方法 | |
| CN111401794A (zh) | 一种基于近红外光谱的饲料品质控制方法 | |
| CN107451408B (zh) | 一种燃煤发热量数据校核方法 | |
| CN111858287A (zh) | 代码性能评价方法及装置、电子设备和存储介质 | |
| CN114814092A (zh) | 基于bp神经网络的ip指标测量方法 | |
| CN114155412A (zh) | 深度学习模型迭代方法、装置、设备及存储介质 | |
| CN113986970A (zh) | 一种基于基线库数据的量费计算结果检测方法 | |
| Aliaga et al. | Nanoparticle ranking analysis: determining new particle formation (NPF) event occurrence and intensity based on the concentration spectrum of formed (sub-5 nm) particles | |
| CN112257017A (zh) | 标准化残差检验法一元线性逐点分析方法及系统和装置 | |
| CN112445632A (zh) | 基于故障数据建模的hpc可靠性评估方法 | |
| CN111999435A (zh) | 空气负氧离子监测数据质量管控及相关设备 | |
| Upadhya et al. | pollucheck v1. 0: A package to explore open-source air pollution data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |