지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김계훈
- 발행연도
- 2022
- 저작권
- 서울시립대학교 논문은 저작권에 의해 보호받습니다.
이용수37
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 스마트농업의 출현으로 데이터에 기반하여 농업의 문제를 해결하고자 하는 연구가 증가하고 있다. 특히 농작물 병해는 한 해 수확량에 큰 영향을 미치기 때문에 발생요인을 구명하고 초기단계에 예찰·관리하는 것이 필요하다. 따라서 본 연구에서는 공공데이터를 기반으로 주요 병해중 하나인 벼 깨씨무늬병의 발생 예측 모형을 구축하였고, 모형의 성능을 비교하였다. 공공데이터는 기상청에서 제공하는 전국 308지점의 기상관측소에서 관측한 기상데이터, 농촌진흥청에서 제공하는 필지별 전국 토양화학성데이터, 그리고 2007지점의 전국 병해충 관측데이터를 사용하였다. 데이터 불균형 문제를 해결하기 위하여 SMOTE방식으로 데이터를 가공하였다. 빅데이터 분석을 위하여 가우시안 나이브 베이즈(Gaussian naive bayes), 그라디언트 부스팅(Gradient boosting), 랜덤 포레스트(Random forest), 로지스틱 회귀분석(Logistic regression), 서포트 벡터 머신(Support vector machine), 의사결정트리(Decision tree), 인공 신경망(Artificial neural network), K-최근접 이웃 알고리즘(K-nearest neighbor) 등 7가지의 머신러닝 기법을 사용하여 예측 모형을 구축하였다. 예측 모형의 성능은 정확도, 정밀도, 재현율, 그리고 F1 score로 평가하였고, 랜덤 포레스트 기법이 가장 예측 성능이 높았다. 토양데이터, 기상데이터 그리고 토양과 기상데이터 모두를 독립변인으로 설정하여 예측 모형을 비교해 보았을 때, 토양과 기상데이터 모두를 사용한 모형이 가장 예측성능이 높았다.
목차
Ⅰ. 서 언 1Ⅱ. 연구사 61. 농업에서의 빅데이터 활용 62. 식물병 관리에서의 빅데이터 활용 113. 벼 깨씨무늬병 발생 토양 및 기상요인 15Ⅲ. 재료 및 방법 171. 활용 데이터 171.1. 출처 171.2. 통계 요약 202. 데이터 전처리 242.1. 이상치 및 결측값 처리 242.2. 데이터 통합 262.3. 오버 샘플링 283. 분석 방법 293.1. 변인 설정 293.2. 머신러닝 기법 304. 성능 평가 314.1. 데이터 신뢰성 검증 314.2. 예측 모형 검증 32Ⅳ. 결과 및 고찰 331. 환경변수가 병 발생에 미치는 영향 332. 병 발생지와 비발생지 비교 363. 데이터 신뢰성 384. 예측 모형 43Ⅴ. 결론 48인용문헌 49Summary 59
최근 본 자료
댓글(0)
0