부산대학교 도서관

본 연구는 광양항의 대기 중 미세먼지(PM10) 데이터와 플라즈마 공정 데이 터에 대한 효과적인 모델링을 목표로 한다. 이를 위해 변동 회귀 모델과 자 기회귀 모델을 결합한 새로운 심층 변동 계수 자기회귀 모델을 제안한다. 시 계열 데이터의 특성을 고려한 순환 신경망(Recurrent Neural Network, RNN) 이나 LSTM(Long Short-Term Memory)과 같은 시계열 모델 대신, 변동 회귀 모델과 자귀회귀 모델을 조합한 모델을 적용함으로써 미세먼지 및 플라즈마 공정 데이터에 대한 예측 성능을 향상시켰다. 연구 결과, 이러한 모델의 성 능이 기존 시계열 데이터에 효과적이라고 알려진 모델보다 우수함을 확인할 수 있었다. 이를 통해 시계열 데이터 예측 분야에서의 새로운 가능성을 제시 하며 미세먼지 및 대기질 예측, 플라즈마 공정 데이터를 이용한 산질화층 예 측에 관심 있는 연구자에게 유용한 참고 자료가 될 것이다. 주제어: 미세먼지(PM10), 플라즈마 공정, 변동 회귀 모델, 자기회귀 모델, 시 계열 예측