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
이승현 (국립산림과학원 산림산업연구과) 고치웅 (국립산림과학원) 신중훈 (국립산림과학원 산림산업연구과) 강진택 (국립산림과학원)
저널정보
경상대학교 농업생명과학연구원(구 경상대학교 시설원예연구소) 농업생명과학연구 농업생명과학연구 제54권 제6호
발행연도
2020.1
수록면
29 - 37 (9page)

이용수

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

초록· 키워드

오류제보하기
본 연구는 입목재적 계산에 기본이 되는 수간고별 직경 추정에 있어 머신러닝 기반 학습모델의 적용 가능성을 알아보기 위해 수행되었다. 이를위해 전국에 분포하는 상수리나무 표준목에서 얻은 자료를 이용하여 Kozak Model (Model 1)과 Random Forest Model (RF, Model 2 to 4)로부터수간고별 직경 값을 도출하였고, 이를 비교분석 하였다. RF는 입지환경 요소를 학습에 활용하여 3가지 모델 (Model 2 (수고, 흉고직경), Model 3 (수고, 흉고직경, 입지환경 요소), Model 4 (수고, 입지환경 요소))로 개발하였다. 모델의 적합도를 검증하기 위해 적합도 지수(Fitness Index), 편의(Bias), 평균절대편차(Mean Absolute Deviation), 평균 제곱근 오차(Root Mean Square Error)를 이용하여 모델의 적합성을 비교하였다. 분석결과, Kozak 모델(FI = 0.9695, Bias = 0.0292, RMSE = 1.5155, MAD = 1.1248) 에 비해 RF모델이 전반적으로 수간고에 따른 직경을 잘 예측하는모델로 나타났으며, RF 중에서도 입지환경 요소를 학습에 활용한 Model 3의 경우(FI = 0.9740, Bias = 0.0186, RMSE = 1.3995, MAD = 0.9746) 가장 우수한 성능을 보인 것으로 나타났다. 다만, 수간곡선을 통한 경향을 분석한 결과 일부 구간에서 수고의 변화에 따른 직경 추정에 이상치가발생하여 추후에는 파라미터조절이나 새로운 모델 적용 등을 통한 연구가 필요한 것으로 판단되었다. 본 연구를 통해 추정된 Random Forest 기반의 수간고별 직경추정 모델은 개체목 재적산출에 활용되어 산림경영을 위한 기초자료로 활용될 가능성이 있을 것으로 예상된다.
#수간곡선 #랜덤 포레스트 #머신러닝 #상수리나무

목차

등록된 정보가 없습니다.

참고문헌 (31)

참고문헌 신청
Anaconda Software Distribution / Computer software. Vers. 3-3.7.4 / anaconda google schola Breiman L / 2001 / Random forests / Machine Learning 45(1):5~32 Crossref Burkhart EH / 2012 / Modeling forest trees and stands / Springer Science and Business Media :458 google schola Diamantopoulou MJ / 2015 / Estimation of Weibull function parameters for modelling tree diameter distribution using least squares and artificial neural networks methods / Biosyst. Eng 133:33~45 google schola Hastie T / 2009 / The elements of statistical learning: Data mining, inference, and prediction / Springer :745 google schola

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