머신러닝 기반 시설원예 개폐기가 예측 온·습도에 미치는 영향에 대한 연구

A Study on the Effect of the Horticultural Switchgear on the Predicted Temperature and Humidity of Machine Learning Infrastructure

본 논문에서는 전라남도 나주시에 있는 한 농가의 시설원예 스마트팜에서 2021년01월01일부터 2021년 6월 27일까지 약 7개월간의 1분 단위로 환경 자료를 수집한 것을 토대로 랜덤 포레스트 알고리즘을 활용하여 시설원예의 구동기 및 환경 데이터 특성들과의 온·습도의 상관관계를 구하여 온·습도에 어떠한 데이터 특성이 얼마나 많은 영향을 주는지 알아보고 한 시간 뒤의 온·습도의 예측값을 구하는 작업을 수행하였다. 시설원예의 구동기 및 환경 데이터 특성이 온·습도 변화에 영향을 주지만 그 중에서 영향을 많이 주지 않은 변수, 영향을 많이 주는 변수를 제거 함으로써 각각의 온·습도의 실제값과 예측값을 비교하였다. 이를 통해 얻은 결과로 온도와 습도 예측값은 top_moter 즉 천창 개폐기에 많은 영향을 받는다는 결과가 나왔다. 따라서 한 시간 뒤의 온도와 습도의 예측값은 개폐기의 구동 여부에 따라 많은 차이를 보이며 온도와 습도를 예측하기 위해서는 한 시간 전의 온도의 습도뿐만 아니라 개폐기의 구동여부가 필요하다는 것을 알 수 있다. 추후 연구에서는 많은 구동기 및 환경 데이터 특성과 다양한 알고리즘을 통해 더욱더 정확한 온·습도 예측을 할 예정이다.

In this paper, based on the collection of environmental data in 1-minute increments for about 7 months from January 01, 2021 to June 27, 2021 in a facility horticultural smart farm of a farmhouse in Naju-si, Jeollanam-do, random forest algorithm was used to The correlation of temperature and humidity with the driver and environmental data characteristics of facility horticulture was obtained to find out which data characteristics have an influence on temperature and humidity, and to find the predicted value of temperature and humidity one hour later. Although the actuator and environmental data characteristics of facility horticulture affect the change in temperature and humidity, the actual and predicted values of each temperature and humidity were compared by removing variables that did not have much influence and variables that had much influence among them. As a result obtained through this, it was found that the predicted value of temperature and humidity is greatly influenced by the top_moter, that is, the skylight opener. Therefore, the predicted values of temperature and humidity one hour later vary greatly depending on whether the switch is operated or not, and it can be seen that to predict the temperature and humidity, not only the temperature and humidity of one hour ago, but also whether the switch is operated or not is required. In future research, we plan to predict more accurate temperature and humidity through many actuators and environmental data characteristics and various algorithms.