통계기반 트랙터 연료 소비량 예측 머신러닝 모델
Statics-based Tractor Fuel Consumption Prediction Machine Learning Model
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구의 주요 목적은 회귀기반의 다양한 머신러닝 알고리즘을 개발하고 다양한 농업 분야에서 사용되는 트랙터의 연료 소비량을 예측하는것이다. 비포장 도로주행 농업 기계중에서도 사용 비중이 가장 높은 트랙터를 선정하였다. 실제 농가에 방문하여 현업 전문가 조언을 바탕으로연구하여 설문지를 작성하였으며, 설문 대상은 경남 사천시에 있는 농가 10곳, 진주시에 있는 농가 62곳 등, 총 72곳의 농가이다. 농작업으로는벼농사, 보리농사, 밭농사 등이 있으며, 작업내용으로는 쟁기, 로터리, 비료살포, 베토, 모내기작업 등이 있다. 다중 회귀분석을 통해 연료 소비량예측에 영향을 미치는 변수(마력, 기계사용연수, 경작면적, 작업 시간)를 추출하였고. 머신러닝 회귀 학습기 모형으로 학습하여 예측 모형의 성능을검증하였다. 연료 소비량을 예측하는 모델의 성능은 결정 계수(R), RMSE (제곱 평균 제곱근 오차), MSE (평균 제곱 오차) 및 MAE (평균절대 오차)를 포함한 4가지 통계적 품질 매개변수를 사용하여 결정되었다. 연구 결과 4가지 모델(다중회귀, 랜덤포레스트, 아다부스트, K-최근접이웃) 중 K-최근접 이웃의 성능이 제일 높은 것으로 나타났다. 결론적으로 본 연구의 결과는 실제 농가의 연료 소비량을 예측하여 면세유 유통의투명성을 확보하고 추후 개발 모델의 의사결정에 활용될 수 있을 것으로 기대된다.
Abstract
The main objective of this study is to develop various machine learning algorithms based on regression analysis and to predict thefuel consumption rate of tractors used in different agricultural fields. For this purpose, a questionnaire survey was conducted in 72different agricultural farms in Gyeongsangnam-do, which included 10 in Sacheon-si and 62 in Jinju-si. The tractors were utilized mainlyin Rice, Barley, and others crop farming for major agricultural activities such as plowing, rotary tillage, fertilizer application, mowing,and rice transplanting. Four models such as Multiple Linear Regression, Random Forest, Adaboost, and K- Nearest Neighbors havebeen developed to predict the fuel consumption rate of tractors using horsepower, age of machine use, cultivated area, and workinghours as input variables. The performance of those models in predicting fuel consumption rate was determined using four statisticalquality parameters, including coefficient of determination, root mean square error, mean square error, and mean absolute error. The resultsof the study showed that among the four models, K- Nearest Neighbors-based machine-learning model showed best performance. Inconclusion, the results of this study can be used to reduce fuel waste/loss by predicting actual fuel consumption in real farms.
참고문헌 (23)
- 배성완, "머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측", 주택연구, 26(1), pp.107~133 (2018), 한국주택학회[DOI]
- Breiman L, "Random forests", Manufactured in The Netherlands, 45, pp.5~32 (2001)
- 차진욱, "SPSS를 이용한 대기질과 기상인자와의 미세먼지 상관관계 분석", 한국정보통신학회논문지, 22(5), pp.722~727 (2018), 한국정보통신학회[DOI]
- Elanchezhian A, "Evaluating different models used for predicting the indoor microclimatic parameters of a greenhouse", Applied Ecology and Environmental Research, 18(2), pp.2141~2161 (2019)
- Freund Y, "A Decision-theoretic generalization of on-line learning and an application to boosting", J. of Computer and System Sciences, 55(1), pp.119~139 (1995)
- Freund Y, "A short introduction to boosting", J. Japanese Society for Artificial Intelligence, 14(5), pp.771~780 (1999)
- 황대현, "k-최근접 이웃 알고리즘을 이용한 입찰가격예측", 한국지능시스템학회 논문지, 29(6), pp.482~487 (2019), 한국지능시스템학회
- Global smart farm technology and market trends and business strategies by major countries and companies, "Jeong JE", Daco Intelligence, 253~255 (2021)
- Kim MH, "Analysis of the current status of agricultural duty-free oil", Proceedings of the Korean Society for Agricultural Machinery Conference, 25(2), pp.94~94 (2020)
- 김순금, "저조도 환경에서의 염료감응형 태양전지를 활용한발전소자에 관한 연구", 전기전자학회논문지, 25(2), pp.267~272 (2021), 한국전기전자학회
- Kummer N, "Adaboost. MRT : Boosting regression for multivariate estimation", Artificial Intelligence Research, 3(4) (2014)[DOI]
- Lee CR, "Nonparametric spatial models and ensemble learning detached house price estimation based on", Ph.D, pp.2015
- Institutional improvement plan to enhance the transparency of duty-free oil supply in agriculture and fishery, "Lee SB", Anti-Corruption and Civil Rights Commission, 12~14 (2014)
- Lu T, "Prediction of indoor temperature and relative humidity using neural network models : model comparison", Neural Computing and Applications, 18(4), pp.345~357 (2009)
- MAFRA, "Restriction on the supply of duty-free diesel", pp.1~4 (2015), Economic innovation
- "Agricultural mechanization status" (2021)[URL]
- MAFRA, "Key statistics for agriculture", Forestry and livestock food, 280~283 (2021)
- Mutanga O, "High density biomass estimation for wetland vegetation using WorldView-2 imagery and random forest regression algorithm", International J. of Applied Earth Observation and Geoinformation, 18, pp.399~406 (2012)
- 남봉우, "다중회귀분석법을 이용한 지역전력수요예측 알고리즘", 조명.전기설비학회논문지, 22(2), pp.63~70 (2008), 한국조명.전기설비학회
- 박석호, "농용 트랙터 연료소모량에 미치는 요인분석", Journal of Biosystems Engineering, 35(3), pp.151~157 (2010), 한국농업기계학회
- 서재현, "기계학습 방법에 기반 한 불균형 침입탐지 데이터 분류법의 성능평가에 관한 연구", 한국지능시스템학회 논문지, 27(5), pp.466~474 (2017), 한국지능시스템학회
- 손용범, "블록체인을 활용한 농업기계 등록 관리 시스템의 설계", 한국콘텐츠학회 논문지, 19(12), pp.18~27 (2019), 한국콘텐츠학회[DOI]
- 서종덕, "데이터 마이닝 기법을 이용한 환율예측: GARCH와 결합된 랜덤 포레스트 모형", 산업경제연구, 29(5), pp.1607~1628 (2016), 한국산업경제학회