| 1 |
1
온실의 환경 정보를 수집하는 환경 정보 수집 모듈; 및환경 정보 모듈에 의해 수집된 상기 환경 정보를 LSTM 알고리즘에 적용하여, 온실의 내부 온도 및 내부 습도를 예측하는 LSTM 기반 예측 모듈을 포함하고,상기 환경 정보 수집 모듈은, 미리 정해진 학습 주기들 각각마다, 상기 환경 정보를 재수집하며,상기 LSTM 기반 예측 모듈은, 상기 학습 주기들 각각마다, 이전 학습 주기에서 상기 LSTM 알고리즘에 의해 예측된 온실의 내부 온도 및 내부 습도와 현재 학습 주기에서 상기 환경 정보 수집 모듈에 의해 수집된 상기 환경 정보를 현재 학습 주기의 학습 데이터로서 학습하여, 온실의 내부 온도 및 내부 습도를 예측하는, LSTM 기반 온실 온도 및 습도 예측 시스템
|
| 2 |
2
제1항에 있어서,상기 환경 정보 수집 모듈은, 상기 온실에 공급되는 외기의 온도를 상기 환경 정보로서 측정하는 외기 온도 측정부를 구비하는, LSTM 기반 온실 온도 및 습도 예측 시스템
|
| 3 |
3
제1항에 있어서,상기 환경 정보 수집 모듈은, 상기 온실에 공급되는 광원의 광량을 상기 환경 정보로서 측정하는 광량 측정부를 구비하는, LSTM 기반 온실 온도 및 습도 예측 시스템
|
| 4 |
4
제1항에 있어서,상기 LSTM 기반 예측 모듈은, 최초 학습 주기일 경우에, 미리 정해진 예측 수단들에 의해 예측된 온실의 내부 온도들의 평균 값 및 내부 습도들의 평균 값과, 상기 최초 학습 주기에서 환경 정보 수집 모듈에 의해 수집된 외기 온도 및 광량을 학습 데이터로서 이용하는, LSTM 기반 온실 온도 및 습도 예측 시스템
|
| 5 |
5
제1항에 있어서,상기 LSTM 기반 예측 모듈은, 최초 학습 주기일 경우에, 온도 센서에 의해 측정된 온실의 내부 온도 및 습도 센서에 의해 측정된 온실의 내부 습도와, 상기 최초 학습 주기에서 환경 정보 수집 모듈에 의해 수집된 외기 온도 및 광량을 학습 데이터로서 이용하는, LSTM 기반 온실 온도 및 습도 예측 시스템
|
| 6 |
6
제1항에 있어서,상기 LSTM 기반 예측 모듈은, 상기 LSTM 알고리즘에 의해 함수 형태로 예측된 온실의 내부 온도 및 내부 습도를 상수 값으로 수치화하는 수치화부를 구비하는, LSTM 기반 온실 온도 및 습도 예측 시스템
|
| 7 |
7
제6항에 있어서,상기 LSTM 기반 예측 모듈은, 이전 학습 주기에서 상기 수치화부에 의해 상수 값으로 수치화된 상기 온실의 내부 온도 및 내부 습도와, 현재 학습 주기에서 수집된 상기 환경 정보를 현재 학습 주기의 학습 데이터로 이용하는, LSTM 기반 온실 온도 및 습도 예측 시스템
|
| 8 |
8
(a) 온실의 환경 정보를 수집하는 단계; 및(b) 상기 (a) 단계에서 수집된 상기 환경 정보를 포함하는 학습 데이터를 LSTM 알고리즘을 이용해 학습하여, 상기 온실의 내부 온도 및 내부 습도를 예측하는 단계를 포함하고,상기 (a) 단계 및 상기 (b) 단계는, 미리 정해진 학습 주기마다 반복적으로 실시하며,상기 (b) 단계에서는, 이전 학습 주기의 상기 (b) 단계에서 예측된 온실의 내부 온도 및 내부 습도와 현재 학습 주기의 상기 (a) 단계에서 수집된 상기 환경 정보를 현재 학습 주기의 학습 데이터로 이용하는, LSTM 기반 온실 온도 및 습도 예측 방법
|
| 9 |
9
제8항에 있어서,상기 (a) 단계에서는, 상기 온실로 공급되는 온기의 온도를 상기 환경 정보로서 측정하는, LSTM 기반 온실 온도 및 습도 예측 방법
|
| 10 |
10
제8항에 있어서,상기 (a) 단계에서는, 상기 온실로 공급되는 광원의 광양을 상기 환경 정보로서 측정하는, LSTM 기반 온실 온도 및 습도 예측 방법
|
| 11 |
11
제8항에 이어서,최초의 학습 주기일 경우에, 상기 학습 데이터는, 미리 정해진 예측 수단들에 의해 예측된 온실의 내부 온도들의 평균 값 및 내부 습도들의 평균 값과, 상기 최초 학습 주기의 S 10 단계에서 수집된 외기 온도 및 광량을 포함하는, LSTM 기반 온실 온도 및 습도 예측 방법
|
| 12 |
12
(c) 상기 (b) 단계 이후에 실시하며, 상기 (b) 단계에서 함수 형태로 예측된 온실의 내부 온도 및 내부 습도를 상수 값으로 수치화하는 단계를 더 포함하고,상기 (a) 단계 내지 상기 (c) 단계는, 미리 정해진 학습 주기마다 반복적으로 실시하며,현재 학습 주기의 학습 데이터는, 이전 학습 주기의 상기 (c) 단계에서 상수 값으로 수치화된 온실의 내부 온도 및 내부 습도와 현재 학습 주기의 상기 (a) 단계에서 수집된 외기 온도 및 광량을 포함하는, LSTM 기반 온실 온도 및 습도 예측 방법
|
