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

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제21권 제6호
발행연도
2019.1
수록면
2,921 - 2,930 (10page)

이용수

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

이 논문의 연구 히스토리 (2)

2020

SVR과 딥러닝 기법을 활용한 토양습도 예측 비교
최수훈 수학/통계학과 2020.01 학위논문

2019

SVR과 LSTM 모형의 토양습도 예측력 비교분석
최수훈 ,  이상현 ,  김민수 Journal of The Korean Data Analysis Society 2019.01 학술저널

초록· 키워드

오류제보하기
토양수분은 지구 환경과 인간 사회에 직접적인 영향을 미치는 중요한 수문학적 요소이다. 토양수분은 다양한 분야에서 활용되며, 농업의 경우 관수 시기 및 관수량 조절, 농작물 생산량 예측에 활용되는 등 토양수분에 대한 연구와 이해는 다양한 분야에서 필요로 한다. 본 논문에서는 “나주시 농업기상시스템”에서 제공하는 “나주시 남창리”의 기상 및 토양 데이터를 활용하여 기존의 토양습도 예측 방법인 서포트벡터 회귀분석(support vector regression : SVR)과 새로운 방법으로 순환신경망(recurrent neural network : RNN)의 일종인 장단기 메모리(long short term memory : LSTM)를 사용하여 토양습도 예측 분석을 실시하였다. 많은 농가에서 토양습도에 대한 측정이 이루어지지 않는 점을 고려하여 기상 데이터만을 설명변수로 활용하여 2013년 6월 12일부터 2018년 5월 16일까지의 데이터를 통해 2018년 5월 17일부터 2019년 6월 20일까지의 미래 토양습도를 예측하였다. 예측력 평가지표인 평균제곱근오차(root mean square error : RMSE)를 비교해본 결과 짧은 기간을 예측할수록 LSTM 모형이 높은 예측력을 보였으나, 예측기간이 길어질수록 비슷하거나 오히려 더 낮은 예측력을 보였다. 따라서 토양습도를 예측하는 방법으로 LSTM 모형을 활용하기 위해서는 장기 예측에서도 좋은 예측력을 갖도록 하는 개선 방안이 필요할 것으로 보인다.
#prediction of soil humidity #SVR #RNN #LSTM.

목차

등록된 정보가 없습니다.

참고문헌 (16)

참고문헌 신청
Drucker, H. / 1997 / Support vector regression machines / Advances in Neural Information Processing Systems 9:155~161 google schola Géron, A. / 2017 / Hands-on machine learning with scikit-learn & tensorflow / O'Reilly google schola Gill, M. K. / 2006 / Soil moisture prediction using support vector machines / Journal of the American Water Resources Association 42(4):1033~1046 google schola Hochreiter, S. / 1997 / Long short-term memory / Neural Computation 9(8):1735~1780 google schola 장다슬 / 2017 / 과거시차를 고려한 지지벡터 회귀모형에 기반한 서울지역 가뭄예측 / Journal of The Korean Data Analysis Society 19(2):675~688 dbpia

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0