본 논문에서는 기존 초미세먼지(PM2.5) 예보 모델인 CNN 모델에 시계열 특성 반영에 뛰어난 성능을 보이는 LSTM 모델을 결합하여 CNN-LSTM 모델을 개발하였다.
인공지능에서 좋은 예보를 위해서는 좋은 성능도 물론 필요하지만, 사용하는 네트워크의 크기가 점차 커지고 복잡해짐에 따라 모델의 학습 및 유지 관리에도 용이한 모델이 필요하다.
또한 미세먼지 데이터는 시계열 데이터인데, 기존 예보 모델인 CNN 모델은 시계열 특성을 반영하기 어렵다. 그래서 시계열 특성을 최대한 반영하기 위하여 매 예보시간마다 과거 시간대의 측정 데이터를 반복하여 입력하여 해결하려 하였다.
위 두 가지 문제를 해결할 방법으로 LSTM 모델을 CNN 모델과 결합하여 시계열 데이터의 시계열 특성도 반영하고 모델의 수를 1/10로 줄여 학습 및 유지 관리에 용이한 모델을 개발하였다. 예보 성능 또한 기존 CNN 모델과 비교하였을 때 유사하거나 조금 더 우수한 결과를 보였다.