심층신경망을 이용한 농업기상 정보 생산방법
Production of agricultural weather information by Deep Learning
1
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
기상은 농작물 재배에 많은 영향을 미친다. 농작물 재배지의 기상정보는 효율적인 농작물 재배 및 관리에 필수적이다. 농업기상 정보의 높은 수요에도 불구하고 이에 대한 연구는 부족하다. 본 연구는 중장기 계절예측정보인 GloSea5와 심층신경망을 통해 양파의 주산지인 전라남도의 농업기상 정보 생산 방법을 다룬다. 연구방법으로는 매일 생산되는 GloSea5 기상정보를 훈련시키기 위해 슬라이딩 창 방법을 활용한 심층신경망 모형이 사용되었다. 모형의 정확도평가는 농업기상관측소의 일 평균기온과 GloSea5 예측값 그리고 딥러닝 예측값 차이의 RMSE와 MAE로 계산하였다. 심층신경망 모형은 학습기간이 늘어날수록 정확도가 향상되므로 학습기간과 예측기간에 따른 예측성능을 비교하였다. 분석결과 학습기간과 예측기간은 비례하지만 계절변화에 따른 추세성이 반영되는 한계점이 있었다. 이를 보안하기 위해 예측값과 관측값의 차이를 다음날 예측값에 적용시킨 후보정 심층신경망 모형을 제시하였다.
Abstract
The weather has a lot of influence on the cultivation of crops. Weather information on agricultural crop cultivation areas is indispensable for efficient cultivation and management of agricultural crops. Despite the high demand for agricultural weather, research on this is in short supply. In this research, we deal with the production method of agricultural weather in Jeollanam-do, which is the main production area of onions through GloSea5 and deep learning. A deep neural network model using the sliding window method was used and utilized to train daily weather prediction for predicting the agricultural weather. RMSE and MAE are used for evaluating the accuracy of the model. The accuracy improves as the learning period increases, so we compare the prediction performance according to the learning period and the prediction period. As a result of the analysis, although the learning period and the prediction period are similar, there was a limit to reflect the trend according to the seasonal change. a modified deep layer neural network model was presented, that applying the difference between the predicted value and the observed value to the next day predicted value.
참고문헌 (18)
- G. V. Oldenborgh, "Skill in the trend and internal variability in a multi-model decadal prediction ensemble", Climate Dynamics, 38(7), pp.1263~1280 (2012)
- 정명일, "GloSea5 모형의 6개월 장기 기후 예측성 검증", 대기, 25(2), pp.323~337 (2015), 한국기상학회
- 손경환, "수문학적 가뭄전망을 위한 GloSea5의 활용체계 구축 및 예측성 평가", 대기, 25(2), pp.271~281 (2015), 한국기상학회
- 민재식, "인공신경망을 이용한 기상관측장비 결측 보완 기술에관한 연구", 디지털융복합연구, 14(8), pp.245~252 (2016), 한국디지털정책학회[DOI]
- 하지훈, "딥러닝 기법을 이용한 내일강수 예측", 한국지능시스템학회 논문지, 26(2), pp.93~98 (2016), 한국지능시스템학회
- 트란 광 카이, "딥러닝 기반 침수 수위 예측: 미국 텍사스 트리니티강 사례연구", 정보과학회논문지, 44(6), pp.607~612 (2017), 한국정보과학회
- I. H. Ryu., "A Comparative Study of Time Series Forecasting By Artificial Neural Networks", Master, pp.2006
- 양은목, "퍼지와 인공 신경망을 이용한 침입탐지시스템의 탐지 성능 비교 연구", 디지털융복합연구, 15(6), pp.391~398 (2017), 한국디지털정책학회[DOI]
- 송희석, "반복 구매제품의 재구매시기 예측을 위한 다층퍼셉트론(MLP) 모형과 순환신경망(RNN) 모형의 성능비교", Journal of Information Technology Applications & Management, 24(1), pp.111~128 (2017), 한국데이터전략학회[DOI]
- 김주석, "인공신경망 모형을 활용한 보청천 유역의 장기유출량 산정", 석사, 토목공학과, pp.2013
- K. T. Bae., "Development of a Price Prediction Model of Agricultural Product using Artificial Neural Networks", Master, pp.2016
- 서광규, "인공신경망과 유전자 알고리즘 기반의 융합모델을 이용한 가전제품의 판매예측", 디지털융복합연구, 13(9), pp.177~182 (2015), 한국디지털정책학회[DOI]
- 조윤호, "사회연결망분석과 인공신경망을 이용한 추천시스템 성능 예측", 지능정보연구, 16(4), pp.159~172 (2010), 한국지능정보시스템학회
- 김미경, "계절 및 날씨 정보를 이용한 인공신경망 기반 전력수요 예측 알고리즘 개발", 전자공학회논문지, 53(1), pp.71~78 (2016), 대한전자공학회
- B. W. Chio., "Prediction of Swell Index of Clay Using the Artificial Neural Networks", Master, pp.2006
- N. R. Jo., "Design and Implementation of criminal Identification System Based on Deep Learning", Master, pp.2017
- 문수진, "GloSea5 모델의 자료처리 시스템 구축 및 시․공간적 재현성평가", 한국수자원학회 논문집, 49(9), pp.761~771 (2016), 한국수자원학회
- 신이레, "특정 시간대 전력수요예측 시계열모형", 한국데이터정보과학회지, 27(2), pp.275~284 (2016), 한국데이터정보과학회[DOI]