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.
초록· 키워드
오류제보하기
본 연구는 GIS를 통해 토양정보를 수집하고 가공하여 농산물 생산량을 예측하는 모델을 제안한다. 농산물 생산량 예측 딥러닝 알고리즘은 공개된 CNN-RNN 농산물 생산량 예측 모델 구조를 변경하여 국내 농산물 자료 환경에 적합하도록 새롭게 구축하였다. 기존모델은 두 가지 특징을 가지고 있는데 첫 번째는 농산물의 생산량을 해당 필지 값이 아닌 당해 평균값으로 대체한다는 것이고 두 번째는 예측하는 연도의 데이터까지 학습한다는 것이다. 새로운 모델은 해당 필지의 값을 그대로 사용하여 데이터의 정확성을 확보하고 예측하고자 하는 연도 이전의 데이터만 가지고 학습할 수 있도록 네트워크 구조를 개선하였다. 제안한 CNN-RNN 모델은 1980년부터 2020년까지의 기상정보, 토양정보, 토양적성도, 생산량 데이터를 학습하여 김장용 가을배추의 지역별 단위면적당 생산량을 예측한다. 2018년부터 2021년까지 4개 연도별 자료에 대하여 계산하고 생산량을 예측한 결과, 테스트 데이터셋에 대한 오차백분율이 약 10% 내외로 실제값과 비교하여 정확도 높은 생산량 예측이 가능했고, 특히 전체 생산량 비중이 큰 지역에서의 생산량은 비교적 근접하게 예측하는 것으로 분석되었다. 또한 제안모델과 기존모델은 모두 학습자료 연도 수가 증가할수록 점점 오차가 작아지므로 학습데이터가 많아질수록 범용 성능은 향상되는 결과를 나타낸다.
목차
Abstract
초록
1. 서론
2. 연구 데이터
3. 제안 모델
4. 실험 및 분석
5. 결론
References
참고문헌 (10)
참고문헌 신청
Choi, S.C. (2016), Crop Yields Estimation Using Spatial Panel Regression Model, Master’s thesis, Chonnam National University, Gwangju, Korea, 33p. (in Korean with English abstract)
Kim, N., Ha, K.J., Park, N.W., Cho, J., Hong, S., and Lee, Y.W. (2019), A comparison between major artificial intelligence models for crop yield prediction: Case study of the midwestern united states, 2006-2015, ISPRS International Journal of Geo-Information, Vol. 8, 240. https://doi.org/10.3390/ijgi8050240
Kim, J.H. and Kim, K.D. (2015), An outlook on chinese cabbage production by cultivation type under the RCP8.5 projected climate, Proceedings of The Korean Society of Agricultural and Forest Meteorology Conference-2015, 25 August, Jeonju, Korea, pp. 183-186. (in Korean with English abstract)
Kim, S.W. and Kim, Y.h. (2021), A study on the application of machine learning algorithm to predict crop production, Journal of the Korea Academia-Industrial cooperation Society, Vol. 22, No. 7, pp. 403-408. (in Korean with English abstract) https://doi.org/10.5762/KAIS.2021.22.7.403
Khaki, S., and Wang, L. (2019), Crop yield prediction using deep neural networks, Frontiers in Plant Science, Vol. 10, article 621. https://doi.org/10.3389/fpls.2019.00621
Kim, N., Ha, K.J., Park, N.W., Cho, J., Hong, S., and Lee, Y.W. (2019), A comparison between major artificial intelligence models for crop yield prediction: Case study of the midwestern united states, 2006-2015, ISPRS International Journal of Geo-Information, Vol. 8, 240. https://doi.org/10.3390/ijgi8050240
Kim, J.H. and Kim, K.D. (2015), An outlook on chinese cabbage production by cultivation type under the RCP8.5 projected climate, Proceedings of The Korean Society of Agricultural and Forest Meteorology Conference-2015, 25 August, Jeonju, Korea, pp. 183-186. (in Korean with English abstract)
Kim, S.W. and Kim, Y.h. (2021), A study on the application of machine learning algorithm to predict crop production, Journal of the Korea Academia-Industrial cooperation Society, Vol. 22, No. 7, pp. 403-408. (in Korean with English abstract) https://doi.org/10.5762/KAIS.2021.22.7.403
Khaki, S., and Wang, L. (2019), Crop yield prediction using deep neural networks, Frontiers in Plant Science, Vol. 10, article 621. https://doi.org/10.3389/fpls.2019.00621
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
다중 회귀 분석을 이용한 파프리카 생산량 예측
한국통신학회논문지
2021 .11
-
날씨 데이터를 활용한 쌀 생산량 예측모델의 특성 선택 및 최적시기탐색 연구
한국컴퓨터정보학회논문지
2023 .07
-
위성영상을 활용한 작물 생산량 감시 및 예측
한국항공우주학회 학술발표회 초록집
2022 .04
-
ConvLSTM을 사용한 토마토 생산량 및 성장량 예측 모델에 관한 연구
한국정보기술학회논문지
2020 .01
-
과실 생산량과 기상요소간의 연관분석 마이닝
한국컴퓨터정보학회 학술발표논문집
2016 .01
-
스마트팩토리를 위한 전기로 생산량 예측 모델에 관한 연구
대한전자공학회 학술대회
2020 .08
-
딥러닝 기반 시설재배 생산량 예측 연구
방송공학회논문지
2023 .07
-
토마토 생산량 예측을 위한 Dual Attention 메커니즘 기반의 RNN
대한전자공학회 학술대회
2021 .06
-
시공간 특성을 고려한 딥러닝 기반 교통 속도 예측 모델
한국정보기술학회논문지
2022 .03
-
기계학습 기반 석유·가스의 생산량 예측 연구 동향 분석
한국에너지학회 학술발표회
2022 .04
-
스마트팩토리 잉크 생산량 예측 인공지능 알고리즘
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
Approach for Learning Intention Prediction Model based on Recurrent Neural Network
Journal of KIISE
2018 .04
-
R을 활용한 토마토 농가 생산량 예측 알고리즘 연구
한국통신학회 학술대회논문집
2024 .06
-
MODIS와 기상자료 기반 회선신경망 알고리즘을 이용한 남한 전역 쌀 생산량 추정
한국측량학회지
2016 .10
-
Plant Simulation을 활용한 식품 가공 공장의 생산량 분석
대한산업공학회 추계학술대회 논문집
2022 .11
-
지역별 기후 및 농업생태계에 따른 농작물 생산량 예측
한국태양에너지학회 학술대회논문집
2022 .10
-
RNN을 이용한 범용 예측 시스템 구현
한국정보기술학회논문지
2018 .10
-
일별 굴 생산량의 예측 가능성에 관한 연구
한국정보과학회 학술발표논문집
2017 .12
-
딥러닝 기반의 학습 성취 예측 모델
한국컴퓨터정보학회 학술발표논문집
2021 .01
-
RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델
한국정보기술학회논문지
2017 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
기후변화에 따른 배추 생산의 최적화를 위한 하이브리드 모델링 기법
김민경
,
김소정
,
김수민
한국원예학회 학술발표요지
2022
.11
드론 및 GIS를 활용한 인삼재배지 피해조사 연구
신동윤
,
노현주
,
김다진솔
외 1명
한국측량학회 학술대회자료집
2021
.11
BiLSTM 기반의 쌀 생산량 예측 모델
윤주안
,
이한준
한국데이터정보과학회지
2023
.09
날씨 데이터를 활용한 쌀 생산량 예측모델의 특성 선택 및 최적시기탐색 연구
서진경
,
최다정
,
백주련
한국컴퓨터정보학회논문지
2023
.07
파이썬을 이용한 배추프로세스 모형
문경환
,
김수형
,
윤경담
외 2명
한국원예학회 학술발표요지
2018
.10
최근 본 자료
댓글(0)
0