DBpia

4차 산업혁명 기술 융합과 혁신으로 최근 농업 분야에서 정보통신기술을 접목하여 적정한 생육환경을 유지하고 관리할 수 있도록 스마트팜의 보급과 확산이 활발히 이뤄지고 있다. 본 연구에서는 스마트팜 빅데이터로부터 실제로 수집된 주별 토마토 자료를 활용하여 생존분석 결과를 제시하고자 한다. 여기서 관심사건에 대한 생존시간을 수확시간 (착과부터 수확까지의 시간)으로 정의하고 계산된 수확시간을 통해 통상적으로 고려되는 환경변수인 내부온도, 내부습도, CO2농도 그리고 누정일사량 등 관심 있는 환경 요인의 그룹 변수의 누적수확 확률에 대한 비모수적 추정 결과를 제시한다. 나아가, 가속화 실패시간 모형과 벌점화 가능도를 이용하여 생존시간에 중요한 영향을 주는 요인을 찾고자 한다. 본 논문에서는 벌점함수로서 LASSO, ALASSO, SCAD, HL (hierarchical likelihood)을 사용한다. 추가적으로 네 가지 벌점화 변수 선택 방법에 따른 예측 모형의 성능을 평가하였다.

With technological convergence and innovation following the 4th industrial revolution, smart farms are recently spreading to maintain an appropriate cultivation environment by grafting information and communication technology into the agricultural field. In this paper, we present the results of survival analysis using weekly tomato data actually collected from smart farm big data. Here, the survival time for the event of interest is defined as the harvest time (time from fruiting to harvesting). In addition, nonparametric estimation results of the cumulative harvest probability of the group variables of interest such as internal temperature, internal humidity, CO2 concentration, and cumulative insolation, which are important environmental factors, are presented through the calculated harvest time. Furthermore, using the acceleration failure time (AFT) model and the penalized likelihood, we present the factors that have an important influence on the survival time. Here, we use LASSO, ALASSO, SCAD, and HL (hierarchical likelihood) as the penalty function. In particular, we evaluate the performance of the prediction model according to the four penalized variable selection methods via MSE (mean squared error) and C-index (concordance index).