/ponding_depth_prediction

머신러닝을 통한 담수심 예측.

Primary LanguageJupyter Notebook

머신러닝 기법을 이용한 논 담수심 추정 시험 연구

Pounding Depth Prediction Using Machine Learning : A Preliminary Study

정리

<변수>

  1. 물꼬 유량
  2. 기상인자: (일조량, 강수량, 풍속, 온도, 상대습도)
  3. DAT (Day After Transplantation)
  • 종속 변수로는 담수심 변화량 (mm/hr)을 1시간 단위로 측정하여 사용하였다.

<데이터 셋> 기상 인자가 담수심 변화량에 미치는 영향을 살펴보고자 총 5가지 데이터 셋을 구성하였다.

  1. DAT, 유량, 일조량, 강수량, 풍속, 온도, 상대습도
  2. DAT, 유량, 강수량, 풍속, 온도, 상대습도
  3. DAT, 유량, 일조량, 강수량, 온도, 상대습도
  4. DAT, 유량, 일조량, 강수량, 풍속, 상대습도
  5. DAT, 유량, 일조량, 강수량, 풍속, 온도

1번 데이터 셋은 모든 기상인자를 다 사용하였고, 나머지 데이터 셋은 DAT와 유량을 고정시키고 나머지 기상 인자를 하나씩 제거하여 구성하였다.

<사용 알고리즘>

  1. 선형회귀모델
  2. 비선형회귀모델 (2차 함수 계형)
  3. 랜덤 포레스트
  4. 서포트 벡터 머신 (Kernel => Linear, RBF)

<성능 평가>

  1. 평균제곱근오차
  2. 절대값오차

<개선점 및 추후 연구 방향>

  1. 비선형회귀모델의 추가적인 사용 (3차 함수 계형, 로그 함수 추가)
  2. 딥러닝 기법 사용 (LSTM, RNN 등)
  3. 2019 데이터 가공 및 2020 데이터와 취합
  4. 다양한 데이터 셋 구성

Captu1re 2020한국농공학회_머신러닝 (수정).pdf