통계적 회귀모형 및 머신러닝 모형들을 이용한 젖소의 우유 생산량 예측

• 영문명: Prediction of Milk Production in Dairy Cows Using Statistical Regression Model and Machine Learning Methods
• 발행기관: 한국자료분석학회
• 저자명: 김민지(Minji Kim) 강수람(Sooram Kang) 나명환(Myung Hwan Na)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.26 No.6, 1855~1867쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

젖소의 우유 생산량의 예측은 축산농가의 생산성을 평가하는 중요한 지표로 활용될 수 있다. 본 연구는 농가에서 사육하는 젖소의 우유 생산량을 시기별로 예측하는 방법들을 제안한다. 이를 위해 다음의 세 단계로 연구를 수행하였다. 첫째, 전남 보성군의 축산농가를 선정하여 젖소 49 마리 각각에 대해서 사료섭취량, 월령(나이), 산차, 착유일수, 우유 생산량을 수집하였다. 둘째, 수집된 자료를 바탕으로 산점도와 상관분석을 통하여 4가지 특성들이 우유 생산량에 얼마나 영향을 미치는가를 알기 위해 통계적 분석을 시행하였다. 셋째, 각 젖소의 시기별 우유 생산량을 정확히 예측하기 위해 중선형회귀모형, 랜덤포레스트 회귀모형(RFRM), XGBoost, 1D-CNN+BiLSTM 등의 네 가지 예측모형을 사용하였다. 다양한 실험결과를 통하여 랜덤포레스트와 XGBoost의 예측력이 가장 우수하고, 다음으로 딥러닝 방법인 1D-CNN+BiLSTM 모델이 우수하며 중선형회귀모형이 가장 예측력이 떨어짐을 알 수 있었다. 또한 XGBoost 분석기법을 통하여 우유생산량에 가장 높은 영향을 미치는 변수들은 월령, 착유일수, 사료섭취량, 산차의 순서로 나타남을 알 수 있었다.

영문 초록

Prediction of milk production from dairy cows can be used as an important indicator to evaluate the productivity of livestock farms. This study proposes methods to predict milk production from dairy cows raised in livestock farms by period. To this end, the study was conducted in three steps. First, a livestock farm in Boseong-gun, Jeollanam-do was selected, and feed intake, age, parity, number of milking days, and milk production were collected for each of 49 dairy cows. Second, based on the collected data, statistical analysis was performed to find out how much the four characteristics affect milk production through scatter plots and correlation analysis. Third, in order to accurately predict the milk production of each dairy cow by period, four prediction models were used: the linear regression model, random forest regression model (RFRM), XGBoost technique and 1D-CNN+BiLSTM. Through various experimental results, it was found that the machine learning methods, random forest and XGBoost methods, had the best predictive power, followed by 1D-CNN+BiLSTM model, while the linear regression model had the worst predictive power. In addition, through the XGBoost analysis technique, it was found that the variables that had the greatest influence on milk production were age, milking days, feed intake, and parity, in that order.

목차

1. 서론

2. 자료 수집 및 분석방법

3. 실험결과분석

4. 분석결과의 요약 및 기대효과 그리고 향후 연구방향

References

키워드

젖소 우유 생산량 사료섭취량 착유일수 dairy cow milk production feed intake milking days 1D-CNN+BiLSTM