$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

머신러닝을 사용한 서리 예측 연구
A study on frost prediction model using machine learning 원문보기

응용통계연구 = The Korean journal of applied statistics, v.35 no.4, 2022년, pp.543 - 552  

김효정 (중앙대학교 응용통계학과) ,  김삼용 (중앙대학교 응용통계학과)

초록
AI-Helper 아이콘AI-Helper

서리는 표면 근처의 공기의 이슬점 온도가 빙점 이하일 때 수증기가 승화, 응축되어 땅이나 물체에 얼게 되는 작은 얼음 결정체이다. 서리가 내리면 농작물이 직접 피해를 입는다. 농작물이 낮은 온도에 접촉하면 조직이 얼어서 세포막이나 엽록체가 딱딱해지고 파괴되거나 건조한 세포가 죽습니다. 2020년 7월, 세계 최대 커피 생산국인 브라질 미나스제라이스 주에 갑작스러운 영하의 날씨와 서리가 내려 지역 커피 나무의 약 30%가 피해를 입었다. 이로 인해 피해로 커피값이 크게 올랐고, 피해가 심각한 농가는 농작물이 회복되기까지 3년이 걸리기 때문에 2024년에야 커피를 생산할 수 있다. 본 논문에서는 심한 서리가 내리는 것을 방지하기 위해 기상청이 제공하는 서리 발생 데이터와 기상관측 데이터를 이용해 서리를 예측하려고 했다. 관측 지점의 고도 및 풍속, 온도, 습도, 강수량, 흐림 등의 기상 요인을 반영하여 모델을 구축하였다. XGB, SVM, Random Forest, MLP 모델을 사용하여 다양한 하이퍼 파라미터를 학습 데이터로 적용하여 각 모델에 가장 적합한 모델을 선택하였다. 마지막으로, 결과는 테스트 데이터에서 정확도(acc)와 중요 성공 지수(CSI)로 평가되었다. XGB는 90.4%의 acc와 64.4%의 CSI로 다른 모델에 비해 최고의 모델이었고, SVM은 89.7%의 acc와 61.2%의 CSI로 그 뒤를 이었다. 랜덤 포레스트와 MLP는 약 89%의 acc와 약 60%의 CSI로 비슷한 성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

When frost occurs, crops are directly damaged. When crops come into contact with low temperatures, tissues freeze, which hardens and destroys the cell membranes or chloroplasts, or dry cells to death. In July 2020, a sudden sub-zero weather and frost hit the Minas Gerais state of Brazil, the world's...

주제어

#서리 예측   #머신러닝  

표/그림 (8)

참고문헌 (15)

  1. Cao Z, Han H, Gu B, and Ren N (2009). A novel prediction model of frost growth on cold surface based on support vector machine. Applied Thermal Engineering, 29(11-12), 2320-2326. 

  2. Castaneda-Miranda A and Castano VM (2017). Smart frost control in greenhouses by neural networks models. Computers and Electronics in Agriculture, 137, 102-114. 

    상세보기

  3. Diedrichs AL, Bromberg F, Dujovne D, Brun-Laguna K, and Watteyne T (2018). Prediction of frost events using machine learning and IoT sensing devices, IEEE Internet of Things Journal, 5(6), 4589-4597. 

    상세보기

  4. Ding L, Noborio K, and Shibuya K (2019). Frost forecast using machine learning-from association to causality, Procedia Computer Science, 159, 1001-1010. 

    상세보기

  5. Ghielmi L and Eccel E (2006). Descriptive models and artificial neural networks for spring frost prediction in an agricultural mountain area. Computers and Electronics in Agriculture, 54(2), 101-114. 

    상세보기

  6. Halil RA??O and Demirci M (2019). Predicting the turkish stock market bist 30 index using deep learning. International Journal of Engineering Research and Development, 11(1), 253-265. 

  7. Lee H, Chun JA, Han HH, and Kim S (2016). Prediction of frost occurrences using statistical modeling approaches. Advances in Meteorology. 

  8. Lee YB and Ro ST (2002). Frost formation on a vertical plate in simultaneously developing flow. Experimental Thermal and Fluid Science, 26(8), 939-945. 

    상세보기

  9. Rajaei P and Baladi GY (2015). Frost depth: general prediction model. Transportation Research Record, 2510(1), 74-80. 

    상세보기

  10. Rozante JR, Gutierrez ER, da Silva Dias PL, de Almeida Fernandes A, Alvim DS, and Silva VM (2020). Development of an index for frost prediction: Technique and validation. Meteorological Applications, 27(1), e1807. 

    상세보기

  11. Sallis P, Jarur M, and Trujillo M (2008, November). Frost prediction characteristics and classification using computational neural networks, In International Conference on Neural Information Processing, 1211-1220. 

  12. Tamura Y, Ding L, Noborio K, and Shibuya K (2020, December). Frost prediction for vineyard using machine learning. In 2020 Joint 11th International Conference on Soft Computing and Intelligent Systems and 21st International Symposium on Advanced Intelligent Systems (SCIS-ISIS), 1-4. IEEE. 

  13. Wassan S, Xi C, Jhanjhi NZ, and Binte-Imran L (2021). Effect of frost on plants, leaves, and forecast of frost events using convolutional neural networks. International Journal of Distributed Sensor Networks, 17(10), 15501477211053777. 

    상세보기

  14. Zendehboudi A and Li X (2017). Robust predictive models for estimating frost deposition on horizontal and parallel surfaces, International Journal of Refrigeration, 80, 225-237. 

    상세보기

  15. Zheng H and Wu Y (2019). A xgboost model with weather similarity analysis and feature engineering for short-term wind power forecasting. Applied Sciences, 9(15), 3019. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로