신경회로망을 이용한 오이 배양액의 배액내 이온농도 예측

오이의 생육일수별 배액내의 다량 이온농도 예측을 위한 인공신경회로망을 개발하였다. 오이 재 배실험에서 얻은 데이터를 이용하여 신경회로망의 입력값으로는 생육일수를, 학습 목표값으로는 실제 재배실험에서 얻은 배액 내 다량이온농도를 적용해 개발된 신경회로망을 학습하게 하였으며, 학습된 신경회로망은 검증데이터를 이용해 그 예측성능을 평가하였다. (1) 개발된 신경회로망은 다층퍼셉트론의 역전파 알고리즘을 사용하였으며, 은닉층은 3개, 반복 횟수는 5000회, 학습율은 0.01, 모멘텀은 0.9 를 적용해 신경회로망의 학습에 적용하였다. 학습에 사용된 활성함수는 입력층에서 은닉층 간 계산을 위해 logsigmoid 함수를 사용하였으 며, 은닉층간 함수는 tansigmoid, logdigmoid 함수를 사용하였다. 은닉층에서 출력층간 활성 함수는 pureline함수를 사용하였다. (2) 개발된 신경회로망은 학습결과 결정계수가 0.98 이상으로 나타나 학습성능이 매우 우수한 것으로 나타났다. (3) 학습된 신경회로망의 예측 성능은NO₃^-, Ca₂⁺와 Mg₂>⁺이온의 경우 결정계수가 0.86 이상으로 예측성능이 매우 우수한 것으로 나타났다. K⁺, SO₄^3- 이온의 경우는 결정계수가 0.53이상 으로 배액 이온농도의 예측 가능성을 보여주었으나, PO₄^3-이온의 예측성능은 결정계수가 낮아 배액 이온농도 예측이 가능하지 못한 것으로 나타났다. (4) 본 연구에서 개발된 신경회로망은 예측성능이 우수하여 타작물의 적용이 가능할 것으로 판단되며, 양액재배 자동화시스템의 실시간 배액 이온농도변화 예측 모델로 활용될 수 있을 것으로 기대된다.

A closed recycling system has been considered as the most effective system in hydroponics because the system helps plants absorb fertilizer in nutrient solution and can contribute environmental pollution by deducing direct discharging of surplus fertilizer in fields. For the development of a closed recycling system, an automatic control system of discharged nutrient solution by monitoring real-time absorption is necessary in order to control inorganic ions individually and exclude surplus inorganic ions in nutrient solution. But, the real-time monitoring system has not been put to practical use because of high price and low accuracy of sensors such as ion-selective electrodes. A model for predicting ion-concentrations in discharged nutrient solution can be a alternative method to replace the real-time monitoring system. This study was carried out to develop a model for the prediction of ion-concentrations in discharged nutrient solution using an artificial neural network with the backpropagation learning algorithm. Experiment results showed that the neural network showed excellent trained results with training data for all macronutrients of NO₃^-, Ca₂⁺, Mg₂>⁺, K⁺, SO₄^2- and PO₄^2-. Coefficients of determination (R²) were over 0.99 for all ions. Also, the trained neural network showed good prediction performance with verification data for macronutrients of NO₃^-, Ca₂⁺, Mg₂>⁺. The developed neural network can be applied to the prediction of ion-concentrations for other hydroponic plants and the replacement of a real-time monitoring system for a closed recycling system in hydroponics.