본 연구는 기계학습을 통한 수량예측모델을 이용하여 이상기상에 따른 WCM의 DMY 피해량을 산출하기 위한 목적으로 수행하였다. 수량예측모델은 WCM 데이터 및 기상 데이터를 수집 후 가공하여 8가지 기계학습을 통해 제작하였으며 실험지역은 경기도로 선정하였다. 수량예측모델은 기계학습 기법 중 정확성이 가장 높은 DeepCrossing (R2=0.5442, RMSE=0.1769) 기법을 통해 제작하였다. 피해량은 정상기상 및 이상기상의 DMY 예측값 간 차이로 산출하였다. 정상기상에서 WCM의 DMY 예측값은 지역에 따라 차이가 있으나 15,003~17,517 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 DMY 예측 값은 지역 및 각 이상기상 수준에 따라 차이가 있었으며 각각 14,947~17,571 kg/ha, 14,986~17,525 kg/ha 및 14,920~17,557 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 피해량은 각각 –68~89 kg/ha, -17~17 kg/ha 및 – 112~121 kg/ha 범위로 피해로 판단할 수 없는 수준이었다. WCM의 정확한 피해량을 산출하기 위해서는 수량예측모델에 이용하는 이상기상 데이터 수의 증가가 필요하다.

The objective of this study was conducted to calculate the damage of whole crop maize in accordance with abnormal climate using the forage yield prediction model through machine learning. The forage yield prediction model was developed through 8 machine learning by processing after collecting whole crop maize and climate data, and the experimental area was selected as Gyeonggi-do. The forage yield prediction model was developed using the DeepCrossing (R2=0.5442, RMSE=0.1769) technique of the highest accuracy among machine learning techniques. The damage was calculated as the difference between the predicted dry matter yield of normal and abnormal climate. In normal climate, the predicted dry matter yield varies depending on the region, it was found in the range of 15,003~17,517 kg/ha. In abnormal temperature, precipitation, and wind speed, the predicted dry matter yield differed according to region and abnormal climate level, and ranged from 14,947 to 17,571, 14,986 to 17,525, and 14,920 to 17,557 kg/ha, respectively. In abnormal temperature, precipitation, and wind speed, the damage was in the range of -68 to 89 kg/ha, -17 to 17 kg/ha, and -112 to 121 kg/ha, respectively, which could not be judged as damage. In order to accurately calculate the damage of whole crop maize need to increase the number of abnormal climate data used in the forage yield prediction model.

ABSTRACT
Ⅰ. 서론
Ⅱ. 재료 및 방법
    1. WCM 데이터 수집 및 가공
    2. 기상 데이터 수집 및 가공
    3. 수량예측모델 제작
    4. 이상기상 피해량 산출 방법
Ⅲ. 결과 및 고찰
    1. 이상기상 수준에 따른 WCM의 DMY 예측값
    2. 이상기상 수준에 따른 WCM의 피해량
Ⅳ. 요약
Ⅵ. REFERENCES

• 김민규(강원대학교 IT대학) | Min Kyu Kim (College of Information Technology, Kangwon National University)
• 조현욱(강원대학교 동물생명과연구소) | Hyun Wook Jo (College of Animal Life Sciences, Kangwon National University)
• 김지융(강원대학교 동물생명과학대학) | Ji Yung Kim (College of Animal Life Sciences, Kangwon National University)
• 조무환(강원대학교 동물생명과학대학) | Mu Hwan Jo (College of Animal Life Sciences, Kangwon National University)
• 김문주(강원대학교 동물생명과연구소) | Moonju Kim (Institute of Animal Life Science, Kangwon National University)
• 이수안(세명대학교 IT엔지니어링대학) | Su An Lee (College of Engineering and Information Technology, Semyung University)
• 김경대(강원도농업기술원) | Kyeong Dae Kim (Gangwondo Agricultural Research and Extension Services)
• 김병완(강원대학교 동물생명과연구소) | Byong Wan Kim (College of Animal Life Sciences, Kangwon National University)
• 성경일(강원대학교 동물생명과연구소) | Kyung Il Sung (College of Animal Life Sciences, Kangwon National University) Corresponding author