BROWSE
Detail
Journal Article
미기상 데이터의 클래스 불균형을해결한서리예측모델
Cited 0 time in 
Share 
Share
- Issue Date
- 2022-10
- Citation
- 한국통신학회논문지, v.47, no.10, pp.1704-1715
- ISSN
- 1226-4717
- Publisher
- 한국통신학회 (KICS)
- Language
- Korean
- Type
- Journal Article
- Abstract
- 미기상은 모든 형태의 시간에 민감한 농업에 영향을 미치고 있다. 신기술 및 구현 기술이 크게 발전함에 따라 방대한 양의 IoT 기반 환경 데이터를 통해 시간에 민감한 농업 서비스에 유용한 정보를 제공함으로써, 부정적인 기후 변화 영향에 대비할 수 있다. 고위험 기상 조건 중 특히 우려되는 예상치 못한 서리 피해는 농업 수확량에 상당한 영향을 미친다. 본 논문은 환경 데이터를 활용한 머신러닝 기반의 적기 서리 예측 모델을 제안한다. 기존 접근 방식은, 서리 발생에 대한 소수의 클래스 라벨링 정보로 인해, 데이터 불균형 문제를 가진다. 그래서 본 논문에서는 예측 서비스가 실시간으로 실행될 때, IoT 스테이션에서 수집된 환경 데이터셋을 활용하여, SMOTE(Synthetic Minority Over-sampling Technique) 방법에 의한 클래스 불균형을 해결한 서리 예측 모델을 제시한다. 실험 결과는 Random Forest 알고리즘이 서리 예측에 가장 적합한 알고리즘으로 선정되었다. 최적화 단계를 통하여 서리 예측 모델의 성능이 평균 4% 정도 향상(f1 기준)되었다. 또한 SMOTE 비율별 성능 평가는 각 성능 지표별 특유의 경향성을 보였고, 이것은 적절한 비율을 사용하는 것이 중요함을 나타낸다.
- KSP Keywords
- Synthetic Minority Over-Sampling Technique(SMOTE), random forest