예측모형 잔차의 다변량 분포 적합을 통한 미세먼지 리스크 관리Risk management of fine dust by multidimensional modeling of prediction errors
- Other Titles
- Risk management of fine dust by multidimensional modeling of prediction errors
- Authors
- 이명준; 조경상; 송성주
- Issue Date
- 2021
- Publisher
- 한국리스크관리학회
- Keywords
- Value at Risk; Value at Risk; air pollutants; copula; find dust; normal inverse Gaussian distribution; normal inverse Gaussian 분포; prediction model; 대기오염물질; 미세먼지; 예측모형; 코퓰라
- Citation
- 리스크관리연구, v.32, no.3, pp.147 - 190
- Indexed
- KCI
- Journal Title
- 리스크관리연구
- Volume
- 32
- Number
- 3
- Start Page
- 147
- End Page
- 190
- URI
- https://scholar.korea.ac.kr/handle/2021.sw.korea/138202
- DOI
- 10.21480/tjrm.32.3.202109.005
- ISSN
- 1229-103X
- Abstract
- 인체에 유해하다고 알려진 미세먼지의 수준을 건강에 대한 영향과 연계하여 보고하기 위해 우리나라를 비롯한 세계 각국은 대기질 지수를 발표한다. 우리나라의 경우 미세먼지, 초미세먼지와 4가지 기타 대기오염물질의 측정치를 바탕으로 통합대기환경지수를 계산하여 발표 및 예보하고 있다. 예보를 위해서는 정확한 예측이 필수적이며 하나의 값으로 예측하는 것보다 분포적합을 통해 예측구간을 제공하는 것이 더 많은 정보를 줄 수 있다. Value-at-Risk (VaR) 와 같은 리스크 측도 계산을 위해서도 적절한 예측값의 분포를 찾아내는 것이 필요하며, 통합대기환경지수처럼 여러 오염물질의 관측값을 이용하는 경우 상관관계를 고려한 다변량분포를 적합할 필요가 있다. 오염물질 관측값 자체는 랜덤표본이라고 보기 어려우므로 이 논문에서는 대기오염에 영향을 줄 수 있는 설명변수를 선택하여 예측모형을 적합한 후, 그 잔차에 다변량분포를 적합하는 2단계 모형으로 미세먼지의 리스크를 측정하고자 하였다. 설명변수로는 대기오염물질의 과거 관측치와 기상변수 등을, 예측모형으로는 선형회귀모형, 랜덤포레스트와 시계열모형을, 잔차의 분포로는 코퓰라를 이용한 결합분포 및 다변량 정규분포, 다변량 normal inverse Gaussian (MNIG) 분포를 사용하였다. 잔차의 다변량 분포적합 후에는 이 분포와 예측모형 적합결과로부터 대기오염물질 예측값의 분포를 생성하고, 통합대기환경지수의 VaR를 계산하여 분포적합 결과를 검증하였다. VaR의 violation rate 계산 결과 선형회귀모형과 다변량 정규분포, MNIG 분포를 적용한 경우의 성능이 가장 좋았다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Political Science & Economics > Department of Statistics > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.