표제지
목차
약어 목록 8
국문요약 9
Ⅰ. 서론 11
1. 연구배경 11
2. 논문의 구성 13
Ⅱ. 관련 연구 14
1. 딥러닝 14
1) 딥러닝 14
2) MLP 15
2. 순환신경망 16
1) 시계열 데이터 16
2) RNN 17
3) LSTM 19
4) GRU 22
Ⅲ. 딥러닝 기반의 파프리카 시설하우스 전력소비 예측 시스템 설계 25
1. 결측 데이터의 처리 25
1) 데이터 수집 및 정제 25
2) 전력소비예측 모델 28
Ⅳ. 딥러닝 기반의 시설하우스 전력소비 예측 모델 구현 30
1. 개발 환경 30
2. 학습 데이터 셋 31
1) 데이터 전처리 31
2) 훈련 및 테스트 데이터 셋 34
3. 구현 35
1) 예측 모델 구현환경 35
2) 모델 구조 35
2) 손실 함수 36
Ⅴ. 시설하우스 전력소비예측 모델의 성능평가 43
1. 성능평가 지표 43
1) MSE 43
2. 성능평가 결과 44
1) LSTM 전력소비 예측모델 성능평가 44
Ⅵ. 결론 및 향후 연구 45
참고문헌 46
Abstract 48
표 4-1. 시스템 개발 환경 30
표 4-2. 매개변수 설명 33
표 4-3. 예측모델 구현환경표 35
표 5-1. LSTM 전력소비 예측 모델 학습결과 44
그림 2-1. RNN(Recurrent Neural Network) 구조 17
그림 2-2. sigmoid, tanh 활성 함수 18
그림 2-3. LSTM 모델의 내부 구성도 19
그림 2-4. GRU 모델의 내부 구성도 22
그림 2-5. GRU 모델의 프로세스 24
그림 3-1. 데이터 셋 구성 26
그림 3-2. 데이터별 그래프 26
그림 3-3. 외부 환경 데이터 수집 IOT 27
그림 3-4. 내부 환경 데이터 수집 IOT 27
그림 3-5. 전력소비예측 모델 구성도 28
그림 3-6. 시설하우스 지열 히트펌프 모식도 29
그림 4-1. 데이터 셋 일부 32
그림 4-2. 결측데이터의 여부 32
그림 4-3. 데이터 변환 33
그림 4-4. 훈련과 예측 모델의 구조 34
그림 4-5. 모델구조 35
그림 4-6. LSTM 예측 모델 Loss 함수 그래프 37
그림 4-7. LSTM 전력소비예측 모델 예측 값과 실제 값의 비교 그래프 40
그림 5-1. MAE의 Outlier에 강건한 특징 43