---
type: paper
slug: hyerim-park-2025-tari-lstm-autoencoder
title: >-
  Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A
  case study with South Korean air quality data
authors:
  - '[[hyerim-park]]'
  - '[[wonho-sohn]]'
  - '[[eunjin-kang]]'
  - '[[jungho-im]]'
  - '[[junghyelee]]'
year: 2025
venue: '[[science-of-the-total-environment]]'
volume: '978'
pages: '179303'
doi: 10.1016/j.scitotenv.2025.179303
categories:
  - '[[environmental-economics]]'
  - '[[machine-learning]]'
methods:
  - '[[lstm-autoencoder]]'
  - '[[risk-score-embedded-autoencoder]]'
  - '[[generalized-additive-model]]'
  - '[[ordinary-kriging]]'
themes:
  - '[[air-quality-index]]'
  - '[[environmental-health-literacy]]'
  - '[[cardiovascular-disease]]'
  - '[[korean-air-quality]]'
aliases:
  - TARI
  - RSLAE
last_updated: '2026-05-20T01:44:41+09:00'
---
# Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A case study with South Korean air quality data

*[[hyerim-park]], [[wonho-sohn]], [[eunjin-kang]], [[jungho-im]], [[junghyelee]] (2025)* · [[science-of-the-total-environment]] 978:179303 · [DOI ↗](https://doi.org/10.1016/j.scitotenv.2025.179303)

> 기존 *Air Quality Index* (AQI) · *Air Quality Health Index* (AQHI) · 한국 *Comprehensive Air-quality Index* (CAI) 의 세 가지 한계 — (i) 단일 pollutant 최댓값으로 환산, (ii) 임계값 기반 불연속 risk, (iii) 시간 의존성 미반영 — 을 unsupervised deep learning 으로 해결한 **TARI** (Temporal Air-quality Risk Index) 제안. Risk Score embedded LSTM AutoEncoder (**RSLAE**) 가 (i) Gaussian-cdf 기반 *continuous risk score* 로 비선형 위험 수준을 quantify, (ii) [[lstm-autoencoder]] 가 다중 pollutant 의 상관 + 시간 의존성을 잠재 표현으로 추출, (iii) 추출된 잠재 특성을 AQI/AQHI 와 결합해 최종 index 산출. 한국 250 개 행정구역 × 2010–2020 의 PM10/PM2.5/NO2/SO2/CO/O3 데이터 (월 33,000 / 일 456,500 obs) 에서 (a) 고위험-저위험 지역 *discriminative power* 가 모든 window size 에서 RSLAE 가 1 위 (rank 1.6–2.2 vs CAI 4.5+, AQHI 3.3+), (b) [[generalized-additive-model]] 회귀에서 CVD 의 ER 18.49% vs AQHI 8.70% / CAI 14.50%, AMI ER 20.80% vs 10.49% / 16.98% 로 disease correlation 우월.

- **RQ**: 단일 pollutant 임계값 기반 (AQI/CAI) · 다중 pollutant 가중합 (AQHI) 기존 환경 index 가 *비선형 결합 효과 + 시간 누적 효과* 를 놓치는 한계를, 환경 risk score 와 disease 라벨 없이 *unsupervised deep learning* 만으로 어떻게 극복할 수 있는가? 결과 index 가 health outcome 과의 상관에서 기존 index 대비 정량적으로 우수한가?
- **방법론**: [[lstm-autoencoder]] (encoder-decoder sequence-to-sequence) + Gaussian-cdf 기반 *risk score* embedded loss → **[[risk-score-embedded-autoencoder]]** (RSLAE). 잠재 표현 z-score 평균으로 *latent characteristic of environment* (LCE) 추출, AQI/AQHI 와 linear regression 으로 scale 정렬 후 결합 → TARI. 검증 두 갈래: (a) discriminative power (top 10% vs bottom 10% region 의 risk level 평균 차이), (b) [[generalized-additive-model]] Poisson log-link 로 CVD/AMI 와 *excess risk* (ER = 100×[e^{β·ΔIQR}−1]) 추정. 공간 보간 [[ordinary-kriging]] (5-fold CV)
- **데이터**: 한국 250 개 행정구역 × 343 도시 대기측정소 (2010–2020), 5 변수 (월) / 6 변수 (일) — PM10, PM2.5 (2015 이후), NO2, SO2, CO, O3. 월 33,000 obs · 일 456,500 obs. Train 일 데이터 2015–2017 / val 2018 / test 2019; 월 2010–2016 / 2017–2018 / 2019–2020. Window size {3,7,10} 일 또는 {2,3,4} 월. Disease 데이터 — 국민건강보험공단 2019 년 일별 CVD · AMI 사례수, 행정구역 × 일자
- **주요 발견**: (i) **Discriminative power 랭킹** (window 10 일, RS 기준) — RSLAE **2.11 (best)** > LAE-E 2.62 > LAE-R 3.09 > AQHI 3.36 > AE 3.65 > CAI 4.48. (ii) **CVD excess risk per IQR** (window 7 일, lag 0) — TARI **18.71%** vs AQHI 13.95% vs CAI 8.59% (CI 95% 비중첩, p<0.001). (iii) **AMI excess risk** (window 7 일, lag 1) — TARI **23.13%** vs AQHI 17.47% vs CAI 10.93%. (iv) GAM R² 도 TARI 가 0.456 (max) 로 일관 우월. (v) 한국 봄·겨울 동/서 격차 (중국 황사·미세먼지 영향으로 서쪽이 동쪽보다 항상 darker) 가 TARI 시각화에서 정확 재현, 2019 년 3 월 5 일 사상 최고 PM2.5 사건 가장 진한 색
- **시사점**: 환경 index 의 *deep learning paradigm* — 임계값 + 가중합 보다 잠재공간 표현이 multipollutant 결합·시간 누적 효과를 더 잘 capture. 정책 함의: 한국 CAI 의 단일 pollutant 의존이 PM2.5 농도 97.96 (제천) vs 115.62 (철원) 의 작은 차이를 *큰* CAI score 차이로 증폭시키는 distortion — TARI 가 보다 robust 한 risk 정보 제공. 환경보건 literacy (EHL) 정책 도구로 활용 가능

## 요약

이 paper 는 [[junghyelee]] 의 3 기 SNU TEMEP (2023–2026) *도메인 폭발* 라인 중 *환경 헬스케어 AI* 분기점. 그녀의 healthcare AI 와 representation learning 핵심 (2 기 UNIST 시기) 을 환경 도메인에 이식. 1 저자 [[hyerim-park]] (SNU TEMEP) + 동등 1 저자 [[wonho-sohn]] (UNIST 산업공학과) 의 공동 연구, UNIST 환경공학 [[jungho-im]] 그룹과 협업. 기존 환경 index 의 세 가지 *알려진* 한계 — (i) AQI 의 *max pollutant only* 단순화, (ii) AQHI 의 epidemiological 회귀 가중합 의존, (iii) 임계값 불연속 → risk score 의 jump distortion — 를 *unsupervised* end-to-end 학습으로 일괄 해소.

방법론 핵심은 *RSLAE* (Risk Score embedded LSTM AutoEncoder). 세 단계. (i) 각 pollutant 의 *continuous risk score* — 환경기준치 μ_j 를 평균으로 하는 Gaussian cdf 로 [0,1] continuous 변환 (PM10 50 μg/m³, PM2.5 15, NO2 0.03 ppm, SO2 0.02, CO 9, O3 0.06). 임계값 근방에서 가파른 jump 가 사라짐. (ii) LSTM autoencoder — 입력 X (raw concentration) 과 P (risk score) 둘 다 reconstruct 하도록 loss 설계 (`L = Σ [γ(X, X̃) + γ(P, X̃)]`), encoder LSTM 이 window-sized 시퀀스를 잠재 representation h_t ∈ R^q 으로 압축. Window size d 가 *short-term vs long-term* 분리 — 일 3/7/10 일, 월 2/3/4 개월. (iii) TARI transformation — z-score 평균으로 LCE 계산, 기존 AQI/AQHI 와 linear regression 으로 scale 정렬, 최종 TARI = LCE × σ + AQHI variability term (eq 14).

실증은 한국 343 도시측정소 데이터를 [[ordinary-kriging]] 으로 250 행정구역에 spatial interpolation (5-fold CV 검증). 두 종류 validation. **첫째, discriminative power** — top/bottom 10% region 의 risk score 차이 Δr 의 rank 평균. RSLAE 가 일·월 모든 window 에서 1 위, CAI 가 일관 최하위. 흥미롭게도 *시간 의존성을 포함한 모형 (LAE-E, LAE-R, RSLAE)* 이 *AE / CAI / AQHI* 보다 우수 → 시간 의존성이 의미 있는 신호. **둘째, disease correlation** — [[generalized-additive-model]] Poisson log-link 로 CVD/AMI number of cases 를 종속변수, TARI/CAI/AQHI 를 독립변수, 기상·인구학적 변수 + spline(time, weekday) 통제. CVD 의 ER — TARI average 18.49%, AQHI 8.70%, CAI 14.50% (window 7 일, lag 0) — TARI 가 약 2 배 우수. AMI 도 동일 패턴 (TARI 20.80% vs 10.49% / 16.98%). 시각적으로도 2019 년 3 월 5 일 한국 PM2.5 사상 최고 기록일에 TARI 가 가장 진한 색을 보여 사건 재현. 한계: deep learning interpretability 부족 (CAI 의 explicit pollutant contribution 손실), real-time inference 자원 부담, LSTM 의 long-sequence vanishing gradient. 향후 Transformer + attention 으로 확장 예고.

## 핵심 결과

**Discriminative power 평균 rank (top-10% vs bottom-10% region risk gap, lower is better)**

| Window | Risk type | CAI | AQHI | AE | LAE-E | LAE-R | **RSLAE** |
|---|---|---:|---:|---:|---:|---:|---:|
| 3 일 | RL | 4.45 | 3.33 | 3.75 | 2.68 | 3.20 | **2.00** |
| 3 일 | AQISS | 4.65 | 3.45 | 3.97 | 2.66 | 3.55 | **1.68** |
| 7 일 | RL | 4.59 | 3.41 | 3.76 | 2.41 | 3.14 | **2.21** |
| 10 일 | RL | 4.48 | 3.36 | 3.65 | 2.62 | 3.09 | **2.11** |
| 2 월 | RL | 3.61 | 3.96 | 3.91 | 3.30 | 2.43 | **1.22** |
| 4 월 | AQISS | 4.48 | 2.29 | 2.81 | 2.29 | 2.29 | **1.38** |

→ RSLAE 가 일·월 모든 window 에서 1 위. CAI 와 AQHI 가 일관 최하위 그룹.

**Excess risk per IQR (95% CI, all p < 0.001)**

| Disease | Setting | TARI | AQHI | CAI |
|---|---|---:|---:|---:|
| **CVD** | window 7d, lag 0 | **18.71%** (18.25–19.18) | 13.95% (13.54–14.37) | 8.59% (8.33–8.85) |
| **CVD** | window 7d, lag 1 | **19.48%** (19.01–19.95) | 14.54% (14.15–15.00) | 8.76% (8.50–9.03) |
| **AMI** | window 7d, lag 0 | **21.97%** (21.25–22.69) | 16.42% (15.78–17.06) | 10.01% (9.61–10.41) |
| **AMI** | window 7d, lag 1 | **23.13%** (22.41–23.86) | 17.47% (16.83–18.12) | 10.93% (10.52–11.33) |

→ TARI 의 disease correlation 이 AQHI 의 1.3 배, CAI 의 2 배 이상. R² 도 TARI 0.456 (max).

> **시각 validation:** 2019 년 3 월 5 일 한국 PM2.5 사상 최고치 사건 — TARI map 이 그날 darkest. 봄(3 월) 의 동/서 격차 (서쪽 황사 영향) 가 TARI 에서 명확 재현, CAI 는 일부 region 의 단일 pollutant max 에 의존해 보다 fragmented.

## 방법론 노트

본 paper 의 방법론적 기여는 *환경 risk* 와 *deep representation learning* 의 결합. Risk score 의 continuous form (Gaussian cdf):

$$
p_j = \Phi_{\mu_j, \sigma_j^2}(x_j)
$$

$\mu_j$ = 환경기준치, $\sigma_j^2$ = sample variance. 임계값에서의 jump 가 사라지고 위험 수준이 *연속* 변환.

LSTM cell 의 forget/input/output gate (eqs 3–8) 위에서 RSLAE 의 reconstruction loss:

$$
\mathcal{L}_{\mathrm{RSLAE}} = \sum_{i=1}^{R} \sum_{t=d}^{T} \left[ \gamma(X_{t,i}^d, \tilde{X}_{t,i}^d) + \gamma(P_{t,i}^d, \tilde{X}_{t,i}^d) \right]
$$

두 항이 *raw concentration* 과 *risk score* 모두를 reconstruction 하도록 — 잠재 표현이 raw 변수 분포뿐 아니라 *위험 수준* 도 보존하게 강제. $\gamma$ 는 MSE.

LCE → TARI transformation:

$$
\mathrm{TARI}_i^{(t)} = (\mathrm{LCE}_i'^{(t)} \sigma_{\mathrm{AQIMS}_i} + z_{\mathrm{AQIMS}_i}) + (\mathrm{AQIMS}_i^{(t)} - \mu_{\mathrm{AQIMS}_i})(1 - \beta_1)
$$

기존 index 의 scale + variability 유지하면서 잠재 정보로 보강. Disease 회귀는 GAM Poisson log-link:

$$
\log(\mathbb{E}[y_i^d]) = \beta_0 + \beta_{\mathrm{index}} x_{i,\mathrm{index}}^d + s(x_{i,\mathrm{weather}}^d) + s(x_{i,\mathrm{time}}^d) + f_i(x_{i,\mathrm{week}}^d)
$$

ER = 100 × [e^{β·ΔIQR} − 1] 로 IQR 1 증가당 disease 사례 증가율 측정. 식별의 핵심: (i) 250 region × 2015–2019 일별 panel 의 *cross-section + time* 변동에서 잠재 dynamics 식별, (ii) RSLAE 가 *지도 학습 없이* unsupervised 로 학습되므로 disease 라벨 누설 없음, (iii) discriminative power validation 이 *index 의 정의에 의존하지 않는* 외부 검증 기준 제공.

## 연구 계보

본 paper 는 환경 index 문헌의 세 줄기 위에 위치. (i) US EPA AQI (Pri-Simon 1999) 와 한국 CAI 의 *max-pollutant* approach 의 한계 (Ruggieri-Plaia 2012, Cao et al 2021, Van den Elshout 2014), (ii) 캐나다 AQHI (Stieb et al 2008) 의 supervised epidemiological 가중합의 disease data 의존성 한계, (iii) PCA 기반 unsupervised 시도 (Choi et al 2015, Mester et al 2014) — 선형 가정만 — 의 한계 비판. Deep learning 측은 LSTM (Hochreiter-Schmidhuber 1997), autoencoder representation learning (Olshausen et al 2015, Nguyen et al 2021), Risk Score 정의 (Kim et al 2022 의 health condition risk quantification) 위에 구축. GAM 의 환경 epidemiology 응용 (Chen et al 2023, Jiang et al 2020, Zhang et al 2021) lineage.

[[junghyelee]] 의 *3 기 SNU TEMEP (2023–2026) 도메인 폭발* 라인 중 *환경 헬스케어 AI* 분기점. 그녀의 2 기 UNIST 시기 healthcare time-series modeling 핵심을 환경 도메인에 이식. UNIST 환경공학 [[jungho-im]] 그룹 (원격탐사·기후) 과의 cross-disciplinary 협업 anchor. Sibling 으로 [[junghyelee]] 가 같은 시기 진행한 graph neural network · representation learning 작업들과 같은 *unsupervised representation* 패러다임 공유.

## See also

- [[junghyelee]]
- [[hyerim-park]]
- [[wonho-sohn]]
- [[lstm-autoencoder]]
- [[risk-score-embedded-autoencoder]]
- [[generalized-additive-model]]
- [[air-quality-index]]
- [[ordinary-kriging]]
- [[korean-air-quality]]
- [[science-of-the-total-environment]]