A Study on the Application of Machine Learning Algorithm to Predict Crop Production

기후변화로 인해 농작물 생산에 대한 관심이 증대되고 있고, ICT 기술을 접목한 스마트팜의 작물 생산량을 최적화하기 위한 노력이 증대되고 있다. 빅데이터를 활용한 작물과 환경 상태에 따른 생산 정도의 분석이 필요하고 나아가 생산량 예측을 위한 모델에 대한 연구가 필요하다. 3가지의 머신러닝 알고리즘 (Ridge Regression, Random Forest, XGBoost)을 후보 알고리즘으로 선정하여 작물 생산량 예측의 적합도를 평가 분석하였다. 실제값과 예측값의 오차를 산출한 MAE(Mean Absolute Error)/RMSE(Root Mean Square Error)값을 모델 평가 지표로 사용하여 알고리즘별 최적의 파라미터를 선정하였다. Ridge Regression의 파라미터 λ는 2.512이고, Random Forest의 파라미터는 분할 8, 트리 100이고, XGBoost의 파라미터는 감마 0, 깊이 10 이였다. 선정된 최적의 파라미터가 결정된 알고리즘들을 MAE/RMSE로 평가한 결과 XGBoost가 MAE 0.233, RMSE 0.817로 최소값을 나타내 최적 모델로 선정되었고, 변수 중요도를 확인해 본 결과, 재식밀도, 생장길이, 잎의 수 요인이 출하량 예측에 가장 중요한 요인으로 도출되었다. XGBoost 모델의 예측력을 R-Square 값을 통해 평가하였고, 각 작기별 총 출하량 예측 모델에 대하여 약 77%의 설명력을 보였다.