양파의 생구무게 예측을 위한 여러 가지 일반회귀모형의 성능 비교

나명환; 강윤정; 조완현; 고현석

추천

검색

자료유형: 학술저널

저자정보: 나명환 (전남대학교) 강윤정 (전남대학교) 조완현 (전남대학교) 고현석 (농촌진흥청)

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제23권 제1호

발행연도: 2021.1

수록면: 135 - 148 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

양파는 우리나라의 5대 채소 중 하나로 1인당 연간 소비량이 30kg에 달할 정도로 인기가 좋다. 양파의 수급은 전반적으로 국내 생산에 의존하므로 안정적인 가격으로 소비자에게 공급하기 위해서는 생산량 예측이 필요하다. 일반적으로 양파는 노지에서 재배되는데, 노지재배 특성상 급격한 기후 변화나 자연재해는 채소 생장에 큰 문제를 야기한다. 양파 재배 농가 및 관계기관에서는 수확량 예측 및 증대를 위해 생육 최적의 환경 조건을 파악해야 하고 이를 위해 영향력이 큰 환경 요인이 무엇인지 밝혀야 한다. 본 연구에서 우리는 주성분분석(PCA)과 부분최소제곱(PLS)을 이용하여 재배기간 동안 양파의 생구 무게에 유의미한 영향을 주는 환경요소가 어떤 것인지 도출하고, 이를 통해 재배 시 생육 관리에 대한 전략을 제시하였다. 부분최소제곱 주성분이 현실적으로 우리가 예상하는 결과와 부합하였는데 생구 무게와 강수량, 습도는 음의 상관을 가지고 기온 및 지온의 차이, 일사량과는 양의 상관을 가짐을 확인하였다. 따라서 양파 생구의 안정적인 생장을 위해서는 습도, 일조, 기온 차에 관한 관리가 필요하다. 또한 일반 회귀모형인 주성분회귀모형(PCAR), 부분최소제곱회귀모형(PLSR) 그리고 서포트벡터머신회귀모형(SVMR)을 이용하여 수확 시기의 생구 무게를 예측하고 이들의 성능을 비교 해보았다. 서포트벡터머신회귀모형이 월등히 우수한 성능을 보였고, 부분최소제곱회귀모형, 주성분 다항회귀 모형이었으나 큰 차이를 보이지는 않았다.

Onions are one of Korea's five major vegetables and are so popular that the annual consumption per person reaches 30kg. Since the supply and demand of onions is entirely dependent on domestic production, it is necessary to predict the amount of production in order to supply them to consumers at a stable price. In general, onions are cultivated in the open field. Due to the characteristic of the field cultivation, rapid climate change or natural disasters cause a big problem in vegetable growth. Onion cultivation farms and related organizations must identify the optimal environmental conditions for growth in order to predict and increase the yield. In this study, we use principal component analysis (PCA) and partial least squares (PLS), to find environmental factors that have a significant influence on the weight of onions during the cultivation period, and through this, we present an environmental management strategy during cultivation. The partial least-squares principal component was realistically consistent with the results we expected. It was confirmed that the weight of bulbs, precipitation, and humidity had a negative correlation, and had a positive correlation with the difference between temperature and ground temperature, and the amount of insolation. Therefore, it is necessary to manage the difference in humidity, sunlight, and temperature for stable growth of onions. In addition, using the general regression model, the principal component regression model (PCAR), the partial least squares regression model (PLSR), and the support vector machine regression model (SVMR), we predicted the weight compared their performance. The model that predicted the weight of onion bulb best through experiments was the support vector machine, followed by the partial least squares regression model and the principal component polynomial regression model, but there was no significant difference.

#양파 생구 무게 #환경변수 #주성분회귀모형 #부분최소제곱회귀모형 #서포트벡터머신모형

참고문헌 (11)

참고문헌 신청

Ahn, D. H. / 2017 / Establishment of intelligent vegetable supply and demand prediction system based on big data / New Distribution Research 7:1~38

최준혁 / 2020 / 부분최소제곱 회귀분석을 이용한 인공지능 기술분석 / 한국컴퓨터정보학회논문지 25(3):109~115

최수훈 / 2019 / SVR과 LSTM 모형의 토양습도 예측력 비교분석 / Journal of The Korean Data Analysis Society 21(6):2921~2930

Han, S. H. / 2011 / A study on the development of singular prediction model considering virtual factors :1~111

Jeong, I. C. / 2020 / Comparison of prediction model of onion cultivation area and production number – Stepwise, Lasso, PCA, PLS

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

나명환

소속기관 전남대학교

주요연구분야 자연과학 > 수학·통계학

논문수 10 이용수 436

Youn Joung Kang

소속기관 제주대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 전기전자공학 > 전자공학

논문수 21 이용수 2,071

조완현

소속기관 전남대학교

주요연구분야 자연과학 > 수학·통계학

논문수 1 이용수 37

고현석

소속기관 농촌진흥청

주요연구분야 자연과학 > 수학·통계학

논문수 2 이용수 37

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)