선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 고랭지배추 주산지에 설치된 USN 장비에서 수집되는 기상정보와 생육정보를 이용하여 고랭지배추 단수예측모형을 개발하고자 한다. 단수예측모형으로 회귀모형과 랜덤 포레스트가 고려되었다.
- ,2015; Kim and Yun, 2015). 본 연구에서는 선행연구에서 사용된 회귀모형 외에 랜덤 포레스트를 이용하여 배추의 단수를 예측하고자 한다. 단수예측의 실효성을 위해 1주일 전에 수집된 기상자료와 생육자료를 모형에 사용하여 배추재배 시기별 배추의 구중을 예측하였다.
- 본 연구에서는 회귀모형 외 랜덤 포레스트로 배추 단수예측모형의 비선형성을 살펴보았다. 랜덤 포레스트의 최적화를 위해 의사결정나무의 수(ntree)와 고려할 변수의 개수(mrty)를 조율(tune)하였다.
제안 방법
- 본 연구에서는 선행연구에서 사용된 회귀모형 외에 랜덤 포레스트를 이용하여 배추의 단수를 예측하고자 한다. 단수예측의 실효성을 위해 1주일 전에 수집된 기상자료와 생육자료를 모형에 사용하여 배추재배 시기별 배추의 구중을 예측하였다.
- 본 연구에서는 회귀모형 외 랜덤 포레스트로 배추 단수예측모형의 비선형성을 살펴보았다. 랜덤 포레스트의 최적화를 위해 의사결정나무의 수(ntree)와 고려할 변수의 개수(mrty)를 조율(tune)하였다. 조율된 의사결정나무의 수는 200이고 의사결정나무의 변수의 수는 8이다.
- Kim and Yun(2015)은 비선형 회귀모형을 이용하여 온도구간에 따른 배추의 생육을 정량화하였다. 배추의 생육은 생육기와 결구기로 나누었으며 토양수분이나 일사량 등은 평년수준으로 간주하여 모형을 설계하였다. Ahn et al.
- 본 논문에서는 고랭지배추 주산지 5개 지점에 설치된 USN 장비에서 수집된 기상 및 토양정보와 배추 생육정보를 이용하여 고랭지배추의 단수예측모형을 세웠다. 단수예측모형으로 회귀모형과 랜덤 포레스트가 고려되었으며 RMSE를 통해 모형의 성능을 비교하였다.
- (2015)은 온도기반의 생육도일과 배추의 생육변수(엽폭, 초고, 구고, 구폭)로 구중을 예측하는 다중회귀모형을 제안하였다. 본 연구는 온도 외에도 USN 장비에서 관측되는 다양한 기상정보와 토양정보를 이용하여 구중 예측모형을 세웠다. 분석 결과 종속변수와 독립변수 간 비선형 관계를 설명할 수 있는 랜덤 포레스트가 구중 예측에 적절한 모형으로 판단된다.
- (2018)은 USN으로 수집된 고랭지배추 재배지의 품질관리 알고리즘을 개발하였다. 본 연구는 품질관리알고리즘으로 정상자료와 비정상자료로 구분한 후, 분석의 편의성을 위해 1시간 자료를 1일 단위로 변환하였다. 강우량은 누적값이 사용되었고, 강우량을 제외한 기상요인과 토양요인은 평균값이 사용되었다.
- 고랭지배추 생육에 영향을 미치는 기상 및 토양정보는 당일보다는 이전 시점의 정보가 영향을 미친다. 본 연구에서는 1일 전부터 7일 전까지 기상 및 토양변수와 생육변수 간 상관성을 분석하여 상관성이 높게 나온 1일, 2일, 3일, 그리고 7일 기상 및 토양정보를 변수로 생성하여 분석을 진행하였다. 일주일 전 생육변수가 일주일 후단수를 의미하는 구중에 미치는 영향을 살펴보기 위해 상관분석을 실시한 결과는 Table 1이다.
- 구중과 상관성이 높게 나온 변수를 정리하면 7일 평균 토양수분 30 cm, 7일 평균 토양수분 60 cm, 7일 평균 토양수분 90 cm, 2일 전 토양온도, 2일 전 일사량, 7일 평균 습도, 2일 전 온도, 3일 전 풍속, 7일 평균 강수량, 2일 전 토양전도율이다. 본 연구에서는 구중에 가장 높은 상관관계가 나타나는 변수를 선택하여 회귀모형을 세웠다.
- 회귀모형은 종속변수와 독립변수 간에 존재하는 선형관련성을 분석하기 위한 모형이다. 본 연구에서는 작물의 생육에 영향을 미치는 기상요인(X)을 독립변수로 사용하였고 고랭지 배추의 수확량을 의미하는 구중을 종속변수(Y)로 사용하였다. 종속변수와 여러 개의 독립변수 사이의 직선관계식은 식(1)과 같다.
- 마지막으로 오차의 등분산성이다. 오차들의 등분산성 가정을 확인하기 위해 spread-level plot을 통해 오차의 분산이 변하는지 확인하였다.
- 분석 결과 종속변수와 독립변수 간 비선형 관계를 설명할 수 있는 랜덤 포레스트가 구중 예측에 적절한 모형으로 판단된다. 추가로 변수중요도를 통해 향후 구중 예측에 필요한 기상 및 토양변수를 제시하였다.
- 819)을 모두 만족하였다. 추가로 회귀모형의 다중공선성을 파악하기 위해 분산팽창지수(Variance Inflation Factor, VIF)를 확인하였다. 엽장, 주폭, 토양수분 90 cm는 다중공선성이 존재하여 제거하였다.
대상 데이터
- 본 연구에서 사용된 자료는 고랭지 배추의 생육을 관리하기 위해 설치된 USN 장비 5개소에서 수집된 기상 및 토양정보다. USN 장비는 강릉시의 안반덕 3곳(해발고도 1,057 m, 1,052 m, 1,006 m), 태백시의 귀네미 1곳(해발고도 953 m)과 매봉산 1곳(해발고도 1,156 m)에설치되어 2015년부터 자료를 수집하고 있다(Fig. 1).
- 연구기간은총 3년으로 2015년부터 2017년까지 수집된 자료를 사용하였다. 강원도 고랭지 배추는 일반적으로 9월부터 수확하므로 수확 시기에 따른 배추의 생육 예측을 위해 7월에서 10월까지 USN 장비에서 수집된 자료를 이용하였다.
- 본 연구에서 사용된 자료는 고랭지 배추의 생육을 관리하기 위해 설치된 USN 장비 5개소에서 수집된 기상 및 토양정보다. USN 장비는 강릉시의 안반덕 3곳(해발고도 1,057 m, 1,052 m, 1,006 m), 태백시의 귀네미 1곳(해발고도 953 m)과 매봉산 1곳(해발고도 1,156 m)에설치되어 2015년부터 자료를 수집하고 있다(Fig.
- 측정된 기상자료는 일사량, 습도, 대기온도, 풍속, 강우량이고 토양자료는 토양수분 30 cm, 토양수분 60 cm,토양수분 90 cm, 토양온도, 토양전도율이다. 연구기간은총 3년으로 2015년부터 2017년까지 수집된 자료를 사용하였다. 강원도 고랭지 배추는 일반적으로 9월부터 수확하므로 수확 시기에 따른 배추의 생육 예측을 위해 7월에서 10월까지 USN 장비에서 수집된 자료를 이용하였다.
- 연구에 사용된 배추의 생육정보에 대한 측정방법 및 용어는 다음과 같다. 연구에 사용된 생육정보는 엽장(cabbage leaf length), 엽수(the number of cabbage leaves), 엽폭(cabbage leaf width), 주폭(cabbage width) 그리고 구중(cabbage weight)이다. 구중은 배추의 무게(kg), 엽장은 배추 겉잎의 세로 길이(cm), 엽수는1 cm 미만인 잎을 제외한 배춧잎의 개수(매)이다.
- 측정된 기상자료는 일사량, 습도, 대기온도, 풍속, 강우량이고 토양자료는 토양수분 30 cm, 토양수분 60 cm,토양수분 90 cm, 토양온도, 토양전도율이다. 연구기간은총 3년으로 2015년부터 2017년까지 수집된 자료를 사용하였다.
데이터처리
- 본 논문에서는 고랭지배추 주산지 5개 지점에 설치된 USN 장비에서 수집된 기상 및 토양정보와 배추 생육정보를 이용하여 고랭지배추의 단수예측모형을 세웠다. 단수예측모형으로 회귀모형과 랜덤 포레스트가 고려되었으며 RMSE를 통해 모형의 성능을 비교하였다. 구중에 영향을 미치는 중요변수는 회귀모형에서 엽수, 풍속, 강수량, 토양전도율이고 랜덤 포레스트에서 주폭, 엽수, 토양온도, 강수량, 온도, 토양수분 30 cm, 엽폭, 토양전도율, 습도, 엽장 순이다.
- 단수예측모형으로 회귀모형과 랜덤 포레스트가 고려되었다. 모형의 예측성능을 평가하기 위해 예측값과 관측값의 평균제곱 오차(Root Mean Squared Error, RMSE)를 계산하였다.
- 첫 번째로 회귀모형을 구성하는 오차의 정규성이다. 본 연구의 오차의 정규성은 Shapiro-Wilk 검정으로 확인하였다. 두 번째로 회귀모형을 구성하고 있는 오차들은 독립성을 만족해야 한다.
- 조율된 의사결정나무의 수는 200이고 의사결정나무의 변수의 수는 8이다. 추가로 구중에 영향을 미치는 중요 변수를 찾기 위해 랜덤 포레스트를 통해 일주일 전 생육변수와 일주일 동안기상 및 토양변수의 평균제곱편차(Mean Square Error, MSE) 차이를 변수중요도를 통해 살펴보았다(Fig. 3).변수의 중요도는 주폭, 엽수, 2일 전 토양온도 순으로 높았고, 7일 평균 강수량, 2일 전 온도, 7일 평균 토양수분 30 cm, 엽폭, 2일 전 토양전도율, 7일 평균 습도, 엽장 순서로 중요했다.
이론/모형
- 본 연구에서는 포트란으로 구현된 Breiman의배깅코드를 R로 개발한 ‘randomForest’ 패키지를 이용하였다(Liaw et al., 2002).
성능/효과
- 일주일 동안 관측된 기상 및 토양변수가 고랭지배추의 구중에 미치는 영향을 상관계수로 표현하면 Table 2이다. 구중과 상관성이 높게 나온 변수를 정리하면 7일 평균 토양수분 30 cm, 7일 평균 토양수분 60 cm, 7일 평균 토양수분 90 cm, 2일 전 토양온도, 2일 전 일사량, 7일 평균 습도, 2일 전 온도, 3일 전 풍속, 7일 평균 강수량, 2일 전 토양전도율이다. 본 연구에서는 구중에 가장 높은 상관관계가 나타나는 변수를 선택하여 회귀모형을 세웠다.
- 엽수와 7일 평균 강수량은 두 모형에서 중요 변수로 확인된다. 단수예측모형의 RMSE를 비교한 결과 비선형성이 고려된 랜덤 포레스트가 배추의 단수예측모형에 적절하다고 판단된다.
- 본 연구의 오차의 정규성은 Shapiro-Wilk 검정으로 확인하였다. 두 번째로 회귀모형을 구성하고 있는 오차들은 독립성을 만족해야 한다. 일반적으로 Durbin-Watson 검정 통계량을 통해 오차들의 자기상관성을 확인한다.
- 4이다. 랜덤 포레스트의 RMSE는 265.5이고 회귀모형의 RMSE는 404.5로 비선형성을 반영할 수 있는 랜덤 포레스트가 회귀모형보다 예측성능이 상대적으로 우수하였다.
- 3).변수의 중요도는 주폭, 엽수, 2일 전 토양온도 순으로 높았고, 7일 평균 강수량, 2일 전 온도, 7일 평균 토양수분 30 cm, 엽폭, 2일 전 토양전도율, 7일 평균 습도, 엽장 순서로 중요했다.
- 본 연구는 온도 외에도 USN 장비에서 관측되는 다양한 기상정보와 토양정보를 이용하여 구중 예측모형을 세웠다. 분석 결과 종속변수와 독립변수 간 비선형 관계를 설명할 수 있는 랜덤 포레스트가 구중 예측에 적절한 모형으로 판단된다. 추가로 변수중요도를 통해 향후 구중 예측에 필요한 기상 및 토양변수를 제시하였다.
- 구중과 일주일 전 생육변수 및 일주일간 기상과 토양변수의 회귀모형과 랜덤 포레스트를 비교하면 Table 4이다. 회귀모형의 토양전도율은 통계적으로 유의미했으나, 랜덤 포레스트에서는 중요도가 낮은 변수로 나타났다. 엽수와 7일 평균 강수량은 두 모형에서 중요 변수로 확인된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.