미기상 데이터의 클래스 불균형을 해결한 서리 예측 모델 (Microclimate-Based Frost Prediction Model Resolving the Class Imbalance)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 10호 / 1704 ~ 1715페이지
· 저자명 : 문애경, 김효선

초록

미기상은 모든 형태의 시간에 민감한 농업에 영향을 미치고 있다. 신기술 및 구현 기술이 크게 발전함에 따라방대한 양의 IoT 기반 환경 데이터를 통해 시간에 민감한 농업 서비스에 유용한 정보를 제공함으로써, 부정적인기후 변화 영향에 대비할 수 있다. 고위험 기상 조건 중 특히 우려되는 예상치 못한 서리 피해는 농업 수확량에상당한 영향을 미친다. 본 논문은 환경 데이터를 활용한 머신러닝 기반의 적기 서리 예측 모델을 제안한다. 기존접근 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.

영어초록

Microclimate has been influencing all forms of time-sensitive agriculture. With substantial advances in emerging and enabling technologies, a vast amount of IoT-based environmental data allows preparation for the adverse impacts by providing helpful information to time-sensitive services. Of particular concern among high-risk weather conditions is nonanticipative frosty damage, affecting agricultural yield significantly. This paper proposes a timely frost prediction model based on machine learning using environmental data. Because of minority information on frost, conventional approaches often suffer from the class imbalance problem with rare labeling data. We address these issues through a frost prediction model using class-balanced data by SMOTE method to environmental datasets collected from IoT stations when predictive service executes. Our experimental results demonstrate that the frost prediction using Random Forest is the most suitable algorithm.
With the optimization process, the performance of the frost prediction model was improved by about 4% (Based on f1). Moreover, the performance evaluation by SMOTE ratio shows the importance of an appropriate ratio for data augmentation by unique tendency.

참고자료

· 없음