논문 상세보기
pp.19-26
본 연구에서는 같은 지역에 위치한 온실 3곳의 식별을 위해 통계적인 방법으로 분류를 하고자 주성분 분석(PCA)과 선형 판별 분석(LDA)을 수행하였다. 온실 내의 환경데이터는 같은 지역의 온실 3곳을 대상으로 4월 1일부터 4월 28일 총 4주간 1시간 간격으로 수집된 값을 사용하였다. 데이터를 분석하기 전, 데이터 정규화를 시키는 전처리를 거쳤으며, 전체의 80%인 훈련자료(training data)와 20%인 테스트 자료(test data)로 나누어 분석을 수행하였다. 분석을 수행한 결과, PC1은 57.51%의 설명력으로 PC1 = 0.7118112 × Tem. –0.6830065 × Humi. –0.1637892 × CO2.의 식을 가지며, LD1은 67.06% 의 설명력으로 LD1 = 0.8622565 × Tem. –0.1805741 × Humi. + 1.4018140 × CO2. + 0.03040701의 식을 가지는 것으로 나타났다. 이렇게 미리 분류시켜 놓은 온실의 데이터를 바탕으로 새로운 환경의 데이터를 입력하였을 때 특정 그룹으로의 분류가 가능함으로써 데이터의 성향을 파악할 수 있다. 이러한 데이터는 식별을 용이하게 함으로써 데이터의 활용도를 높여주는 방법이라고 판단된다.
In this study, analysis was performed to identify three greenhouses located in the same area using principal component analysis (PCA) and linear discrimination analysis (LDA). The environmental data in the greenhouse were from 3 farms in the same area, and the values collected at 1 hour intervals for a total of 4 weeks from April 1 to April 28 were used. Before analyzing the data, it was pre-processed to normalize the data, and the analysis was performed by dividing it into 80% of the training data and 20% of the test data. As a result of PCA and LDA analysis, it was found that PCA classification accuracy was 57.51% and LDA classification was 67.06%, indicating that it can be classified by greenhouse. Based on the farmhouse data classified in advance, the data of the new environment can be classified into specific groups to determine the tendency of the data. Such data is judged to be a way to increase the utilization of data by facilitating identification.
서 론
재료 및 방법
1. 실험 재료
2. 통계적 방법
결과 및 고찰
1. 환경데이터 특성
2. 주성분 분석결과
3. 판별 분석결과
적 요
사 사
Literature Cited
