지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.12
- 수록면
- 2,393 - 2,402 (10page)
- DOI
- 10.7840/kics.2021.46.12.2393
이용수
초록· 키워드
오류제보하기
일반적으로, 스마트팜 내외부 온도 변화는 작물의 생장, 생산, 병해충 발생 및 경영 효율성에 밀접하게 영향을 미치는 요인이기 때문에 온도변화에 대한 적절한 대응이 중요하다. 에너지를 효율적으로 사용하고 온도를 최적으로 제어하기 위해서는, 재생 에너지, 데이터 분석, 기계 학습과 같은 스마트 기술이 온실에서 적극적으로 적용될 필요가 있다. 데이터 분석이 가능한 머신러닝 기술은 기존 데이터를 기반으로 미래를 예측할 수 있는 강력한 신뢰할 수 있는 모델 중 하나로 최근 다양한 분야에서 활용되고 있다. 본 논문은 스마트 팜 내 · 외부 온도변화와 에너지 사용에 따른 기계학습 기술 기반의 작물생장 예측 모델을 제안한다. 이를 위해 제안된 연구는 태양광 에너지 생산 데이터와 온실에서의 온도 변화 데이터 분석과 함께 SVM(Support Vector Machine), RF(Random Forest), XGB(eXtreme Gradient Boosting), 그리고 GBM(Gradient Boosting Machine)과 같은 기계 학습 모델을 사용한 작물 생장 예측 효율성 실험을 통해 최적의 모델을 제안한다. 실험 결과, SVM 및 GBM 기반 모델은 RF 기반모델에 비해 좋은 예측 성능을 보였다. 특히, GBM 기반 모델은 스마트팜에서의 에너지 사용량에 따른 온도 변화예측에서 다른 모델에 비해 유용한 것으로 판단되었다. 따라서, 제안되는 GBM 기반 모델은 스마트팜에서의 작물생장을 위한 효율적인 온도 및 에너지 제어 서비스 응용 개발에 활용될 수 있다.
목차
요약
ABSTRACT
Ⅰ. Introduction
Ⅱ. Related Works
Ⅲ. Material & Method
Ⅳ. Data Analysis Temperature and Solar Radiation
Ⅴ. Result and Discussion
Ⅵ. Conclusion
References
참고문헌 (19)
참고문헌 신청
S. Y. Kim, K. S. Park, S. M. Lee, B. M. Heo, and K. H. Ryu, “Development of prediction model for greenhouse control based on machine learning,” J. Digital Contents Soc., vol. 19, no. 4, pp. 749-756, Apr. 2018.
S. Murlidharan, V. K. Shukla and A. Chaubey, "Application of machine learning in precision agriculture using IoT," 2021 2nd International Conference on Intelligent Engineering and Management (ICIEM), pp. 34-39, June 2021.
W.-H. Chen and F. You, “Semiclosed greenhouse climate control under uncertainty via machine learning and data-driven robust model predictive control,” IEEE Trans. Control Syst. Technol., pp. 1-12, July. 2021.
M. A. F. B. Lima, L. M. Fernández Ramírez, P. C. M. Carvalho, J. G. Batista, and D. M. Freitas, “A comparison between deep learning and support vector regression techniques applied to solar forecast in spain,” Journal of Solar Energy Engineering, vol. 144, no. 1, pp. 010802-1- 010802-9, Feb. 2021.
F. Mahmood, R. Govindan, and T. Al-Ansari, “Predicting microclimate of a closed greenhouse using support vector machine regression,” In Computer Aided Chemical Engineering, vol. 50, pp. 1229-1234, Jan. 2021.
S. Murlidharan, V. K. Shukla and A. Chaubey, "Application of machine learning in precision agriculture using IoT," 2021 2nd International Conference on Intelligent Engineering and Management (ICIEM), pp. 34-39, June 2021.
W.-H. Chen and F. You, “Semiclosed greenhouse climate control under uncertainty via machine learning and data-driven robust model predictive control,” IEEE Trans. Control Syst. Technol., pp. 1-12, July. 2021.
M. A. F. B. Lima, L. M. Fernández Ramírez, P. C. M. Carvalho, J. G. Batista, and D. M. Freitas, “A comparison between deep learning and support vector regression techniques applied to solar forecast in spain,” Journal of Solar Energy Engineering, vol. 144, no. 1, pp. 010802-1- 010802-9, Feb. 2021.
F. Mahmood, R. Govindan, and T. Al-Ansari, “Predicting microclimate of a closed greenhouse using support vector machine regression,” In Computer Aided Chemical Engineering, vol. 50, pp. 1229-1234, Jan. 2021.
이 논문의 저자 정보
이 논문과 함께 이용한 논문
가부장적 가정의 청소년비행에 미치는 영향에 있어서의 성별 차이
이성식
한국청소년연구
2011
.08
고추 일시 수확효율 향상을 위한 에세폰 처리 시기 및 농도 구명
신영안
,
이정수
,
엄영철
외 1명
한국원예학회 학술발표요지
2004
.05
스마트 팜 에너지 소비량 예측 모델 개발에 관한 연구
임청룡
,
박영준
,
이철성
한국산학기술학회 논문지
2022
.11
미기상 데이터의 클래스 불균형을 해결한 서리 예측 모델
문애경
,
김효선
한국통신학회논문지
2022
.10
스마트팜 재배를 위한 복합환경 제어시스템 설계
이창훈
,
황승국
한국지능시스템학회 논문지
2022
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-567-000060071