메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김세원 (솔트룩스) 김영희 (호서대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제22권 제7호
발행연도
2021.7
수록면
403 - 408 (6page)
DOI
10.5762/KAIS.2021.22.7.403

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

작물 생산량 예측을 위한 머신러닝 기법 활용 연구
김세원 ,  김영희 한국산학기술학회 논문지 2021.07 학술저널
빅데이터 및 머신러닝 기반의 작물 생산량 예측 모델 개발
김세원 융합과학기술학과 2021.01 학위논문

초록· 키워드

오류제보하기
기후변화로 인해 농작물 생산에 대한 관심이 증대되고 있고, ICT 기술을 접목한 스마트팜의 작물 생산량을 최적화하기 위한 노력이 증대되고 있다. 빅데이터를 활용한 작물과 환경 상태에 따른 생산 정도의 분석이 필요하고 나아가 생산량 예측을 위한 모델에 대한 연구가 필요하다. 3가지의 머신러닝 알고리즘 (Ridge Regression, Random Forest, XGBoost)을 후보 알고리즘으로 선정하여 작물 생산량 예측의 적합도를 평가 분석하였다. 실제값과 예측값의 오차를 산출한 MAE(Mean Absolute Error)/RMSE(Root Mean Square Error)값을 모델 평가 지표로 사용하여 알고리즘별 최적의 파라미터를 선정하였다. Ridge Regression의 파라미터 λ는 2.512이고, Random Forest의 파라미터는 분할 8, 트리 100이고, XGBoost의 파라미터는 감마 0, 깊이 10 이였다. 선정된 최적의 파라미터가 결정된 알고리즘들을 MAE/RMSE로 평가한 결과 XGBoost가 MAE 0.233, RMSE 0.817로 최소값을 나타내 최적 모델로 선정되었고, 변수 중요도를 확인해 본 결과, 재식밀도, 생장길이, 잎의 수 요인이 출하량 예측에 가장 중요한 요인으로 도출되었다. XGBoost 모델의 예측력을 R-Square 값을 통해 평가하였고, 각 작기별 총 출하량 예측 모델에 대하여 약 77%의 설명력을 보였다.
#Smart Farm #Prediction of Crop Production #XGBoost #Ridge Regression #Random Forest

목차

요약
Abstract
1. 서론
2. 본론
3. 결론
References

참고문헌 (36)

참고문헌 신청
Kursa M., Rudnicki W., "Feature Selection with the Boruta Package" Journal of Statistical Software, Vol. 36, Issue 11, Sep 2010 google schola Saptashwa Bhattacharyya, Ridge and Lasso Regression: L1 and L2 Regularization, Sep 26, 2018 google schola Baek Kyun Shin, Machine Learning-Decision Tree, Jul 2019 google schola Dev Cristoval, Random Forest Algorithm, Jan 2019 google schola Rokach, L.; Maimon, O., “Top-down induction of decision trees classifiers-a survey”, 2005 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

토마토 스마트팜의 생육함수 추정과 수익 최적화 모형 구축
이승호 ,  박윤선 ,  권오상 한국데이터정보과학회지 2020 .07
위성영상을 활용한 작물 생산량 감시 및 예측
정승택 ,  염종민 ,  고종한 한국항공우주학회 학술발표회 초록집 2022 .04
머신러닝 교육 플랫폼 활용 융합 교육이 예비교사의 인공지능 교수효능감에 미치는 영향
이소율 ,  이영준 디지털콘텐츠학회논문지 2022 .04
IoT 및 딥 러닝 기반 스마트 팜 환경 최적화 및 수확량 예측 플랫폼
최호길 ,  안희학 ,  정이나 외 1명 한국정보전자통신기술학회 논문지 2019 .12
스마트팜 데이터를 이용한 토마토 최적인자에 관한 연구
나명환 ,  박유하 ,  조완현 한국데이터정보과학회지 2017 .11

최근 본 자료

전체보기

댓글(0)

0