농업 공공 빅데이터를 이용한 머신러닝 기반 생산량 및 판매 수익금 예측
Machine Learning-based Production and Sales Profit Prediction Using Agricultural Public Big Data
1
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
IoT 기술의 발전에 따라 스마트팜을 활용하는 농가가 증가하고 있다. 스마트팜은 환경을 모니터링하고, 원격 또는 자동으로 최적의 내부 환경을 조성하여 작물의 생산량 및 품질을 향상시킨다. 이를 위해 수집되는 농업 디지털 데이터를 활용하여 작물의 생산성을 예측하는 기술에 대한 연구가 활성화되고 있다. 그러나 생산량 예측을 위한 연구에서는 기존의 통계자료를 바탕으로 하는 통계모델 기반의 연구가 대부분이며, 이에 따라 예측 정확도가 낮은 문제점이 존재한다. 본 연구에서는 시설 원예 스마트팜에 수집된 농업 디지털 데이터를 활용하여 다양한 머신러닝 모델을 통해 생산량 및 판매 수익금을 예측하고, 성능을 비교하였다. 성능을 비교한 모델은 다중선형회귀, 서포트벡터머신, 인공신경망, 순환신경망, LSTM, ConvLSTM이다. 성능 비교 결과 ConvLSTM가 R2 값 및 RMSE 값에서 가장 우수한 성능을 나타내었다.
Abstract
Recently, with the development of IoT technology, the number of farms using smart farms is increasing. Smart farms monitor the environment and optimise internal environment automatically to improve crop yield and quality. For optimized crop cultivation, researches on predict crop productivity are actively studied, by using collected agricultural digital data. However, most of the existing studies are based on statistical models based on existing statistical data, and thus there is a problem with low prediction accuracy. In this paper, we use various predition models for predicting the production and sales profits, and compare the performance results through models by using the agricultural digital data collected in the facility horticultural smart farm. The models that compared the performance are multiple linear regression, support vector machine, artificial neural network, recurrent neural network, LSTM, and ConvLSTM. As a result of performance comparison, ConvLSTM showed the best performance in R2 value and RMSE value.
참고문헌 (25)
- T. W. Kim, "ICT-based Smart Farm Greenhouse Status and Outlook", Proceedings of Symposium of the KICS, 36(3), pp.256~257 (2019)
- "스마트팜 코리아" (2022)[URL]
- B. Alhnaity, "Using Deep Learning to Predict Plant Growth and Yield in Greenhouse Environments", arXiv preprint arXiv : 1907. 00624, ~ (2019)
- 이진형, "재배시기, 정식일에 따른 배추의 생육 모델 개발 및 생산량 예측 평가", 생물환경조절학회지, 26(4), pp.235~241 (2017), (사) 한국생물환경조절학회
- 나명환, "스마트팜 데이터를 이용한 토마토 최적인자에 관한 연구", 한국데이터정보과학회지, 28(6), pp.1427~1435 (2017), 한국데이터정보과학회[DOI]
- 노희선, "토마토 스마트팜 생육데이터와 수확량의 연관성 분석", 융복합지식학회논문지, 8(3), pp.17~25 (2020), 융복합지식학회[DOI]
- 이철원, "환경 데이터를 활용한 온실형 스마트팜에서 센서 이상 탐지 시스템", 한국데이터정보과학회지, 32(6), pp.1237~1248 (2021), 한국데이터정보과학회[DOI]
- 황인철, "다중 회귀 분석을 이용한 파프리카 생산량 예측", 한국통신학회논문지, 46(11), pp.2048~2055 (2021), 한국통신학회[DOI]
- 김영호, "딥러닝을 이용한 남한 500미터 해상도의 일단위 토양수분 산출", 한국지도학회지, 17(3), pp.109~121 (2017), 한국지도학회
- 응웬딘휘, "기계학습 기반의 토양함수 예측 기법 개발", 대한토목학회 학술대회, pp.320~321 (2018)
- 이상원, "SVM(Support Vector Machine) 알고리즘 기반의 EEG(Electroencephalogram) 신호 분류", 한국융합학회논문지, 11(2), pp.17~22 (2020), 한국융합학회[DOI]
- 정민수, "MLP ANN 가뭄 예측 모형에 대한 ROC 평가", 한국수자원학회 논문집, 49(10), pp.877~885 (2016), 한국수자원학회
- 김한중, "통계학적 모델과 인공신경망 (ANN) 을 이용한 필리핀의 마늘생산성 예측", 한국농공학회 학술대회초록집, pp.288~288 (2019)
- 이지원, "빅데이터를 이용한 인공신경망 기반 시간별 전력수요 예측", 전기학회논문지, 69(6), pp.792~799 (2020), 대한전기학회
- 박수환, "순환신경망 기법(RNN)을 이용한 콩 재배포장의 토양 수분함량 예측모델 개발", 한국농업기계학회 학술발표논문집, 26(2), pp.334~334 (2021)
- 박기철, "다변량 데이터와 순환 신경망을 이용한 젖소의 유방염 진단예측 방법", 한국소프트웨어감정평가학회 논문지, 17(1), pp.75~82 (2021), 한국소프트웨어감정평가학회
- 정시훈, "시계열 기계학습을 이용한 한반도 남해 해수면 온도 예측 및 고수온 탐지", 대한원격탐사학회지, 36(5), pp.1077~1093 (2020), 대한원격탐사학회[DOI]
- 박남규, "LSTM, SVM 기계 학습 기반 KOSPI200 시계열 학습 값에 따른 미래 값 예측력 비교", 대한산업공학회 추계학술대회 논문집, pp.3470~3493 (2019)
- 이정규, "인공지능 기반 온실 환경인자의 시간영역 추정", 생물환경조절학회지, 29(3), pp.277~284 (2020), (사) 한국생물환경조절학회[DOI]
- 조라훈, "딥러닝을 이용한 스마트팜 내부 온·습도 예측 알고리즘 개발 및 검증", 한국농업기계학회 학술발표논문집, 26(2), pp.123~123 (2021)
- 이권동, "ConvLSTM을 이용한 도로 구간 속도 예측 기법", 한국정보기술학회논문지, 19(12), pp.27~33 (2021), 한국정보기술학회[DOI]
- 이제우, "ConvLSTM과 3D CNN에 의한 모바일 트래픽 예측 성능 비교 분석", 한국통신학회 학술대회논문집, pp.479~480 (2021)
- 안소정, "기상레이더 강수 합성데이터를 활용한 심층신경망 기반 초단기 강수예측 기술 연구", 한국정보통신학회 종합학술대회 논문집, 25(1), pp.43~45 (2021)
- "Coefficient of determination" (2022)[URL]
- "Root-mean-square deviation" (2022)[URL]