SVR과 LSTM 모형의 토양습도 예측력 비교분석

• 영문명: A Comparison Analysis on the Prediction of Soil Humidity in the SVR and LSTM Models
• 발행기관: 한국자료분석학회
• 저자명: 최수훈(Su Hoon Choi) 이상현(Sang-Hyum Lee) 김민수(Min Soo Kim)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.21 No.6, 2921~2930쪽, 전체 10쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2019.12.31

국문 초록

토양수분은 지구 환경과 인간 사회에 직접적인 영향을 미치는 중요한 수문학적 요소이다. 토양수분은 다양한 분야에서 활용되며, 농업의 경우 관수 시기 및 관수량 조절, 농작물 생산량 예측에 활용되는 등 토양수분에 대한 연구와 이해는 다양한 분야에서 필요로 한다. 본 논문에서는 “나주시 농업기상시스템”에서 제공하는 “나주시 남창리”의 기상 및 토양 데이터를 활용하여 기존의 토양습도 예측 방법인 서포트벡터 회귀분석(support vector regression : SVR)과 새로운 방법으로 순환신경망(recurrent neural network : RNN)의 일종인 장단기 메모리(long short term memory : LSTM)를 사용하여 토양습도 예측 분석을 실시하였다. 많은 농가에서 토양습도에 대한 측정이 이루어지지 않는 점을 고려하여 기상 데이터만을 설명변수로 활용하여 2013년 6월 12일부터 2018년 5월 16일까지의 데이터를 통해 2018년 5월 17일부터 2019년 6월 20일까지의 미래 토양습도를 예측하였다. 예측력 평가지표인 평균제곱근오차(root mean square error : RMSE)를 비교해본 결과 짧은 기간을 예측할수록 LSTM 모형이 높은 예측력을 보였으나, 예측기간이 길어질수록 비슷하거나 오히려 더 낮은 예측력을 보였다. 따라서 토양습도를 예측하는 방법으로 LSTM 모형을 활용하기 위해서는 장기 예측에서도 좋은 예측력을 갖도록 하는 개선 방안이 필요할 것으로 보인다.

영문 초록

Soil moisture is an important hydrological factor that directly affects the earth s environment and human society. Soil moisture is utilized in various fields, and in the case of agriculture, research and understanding of soil moisture is needed in a variety of fields such as irrigation scheduling and amount of irrigation control, utilization in predicting crop production. In this paper, weather and soil data provided by Naju Agricultural Meteorological System were utilized, and soil humidity prediction analysis was performed using the existing prediction method, support vector regression (SVR), and long short term memory (LSTM) which is a type of recurrent neural network (RNN), as a new prediction method. Considering the fact that many farms do not measure soil humidity, future soil humidity was predicted using only weather data as a descriptive variable. Comparing root mean square error (RMSE), the LSTM model showed higher predictive power over a shorter period of time, but the longer the forecast period, the more similar or rather lower. Therefore it will be necessary to improve the long-term predictability of the LSTM model as a way of predicting soil humidity.

목차

1. 서론

2. 연구방법론

3. 분석 결과

4. 결론

References

키워드

토양습도 예측 서포트벡터 회귀분석 순환신경망 장단기 메모리 prediction of soil humidity SVR RNN LSTM