KSAE AX-Water Challenge 2025 대상

← News로

농업용 저수지 수위 및 다출처 데이터를 활용한 저수지 운영 인공지능 모델 개발로 KSAE AX-Water Challenge 2025 대상(농림축산식품부 장관상)을 수상했습니다.

🎉 수상 내역

• 대회명: KSAE AX-Water Challenge 2025 (Transforming Agricultural Water Management through AI)
• 수상: 대상 (농림축산식품부 장관상, 상금 100만원)
• 수상팀: Team SDA (정재영, 석승원, 장은수)
• 지도교수: 전북대학교 스마트팜학과 김태곤 교수
• 시상일: 2025년 10월 29일

📊 연구 주제

농업용 저수지 수위 및 다출처 데이터를 활용한 저수지 운영 인공지능 모델 개발

기후변화로 인한 집중호우와 가뭄의 빈도가 증가하면서 농업용 저수지의 효율적 관리가 중요해지고 있습니다. 본 연구는 LSTM과 GRU 딥러닝 모델을 활용하여 저수지 수위를 예측하고, 실시간 의사결정을 지원하는 웹 대시보드 서비스를 개발했습니다.

🔬 주요 연구 내용

1. 파이프라인

• 이상치 탐지 및 특성 공학: 저수지 수위 데이터의 이상치를 탐지하고 Prophet을 통한 결측치 보정
• 시계열 담라짓 모델 학습: JavaServer를 활용한 데이터 전처리 및 모델 학습 자동화
• 웹 대시보드 서비스: Docker 기반 배포를 통한 실시간 모니터링 시스템 구축

2. 모델 학습

• LSTM & GRU 모델 적용: 저수지 수위 예측을 위한 순환신경망 모델 개발
• 성능 평가:
  • LSTM 모델 MAE 0.0505~0.0961m, RMSE 0.1309~0.0961m
  • GRU 모델 MAE 0.2772~0.0618m, RMSE 0.2977~0.0836m
• Attention 메커니즘: 시계열 특징 추출 및 정밀도 향상

3. 데이터 전처리

• Z-score 기반 이상치 탐지 및 제거
• Prophet을 활용한 결측치 보정 (RMSE 0.8m 이내)
• 저수율, 저수량, 강수량 등 다출처 데이터 통합

4. 웹 대시보드 서비스

• 실시간 저수지 수위 예측 모니터링
• 모델 구동 결과를 웹에서 시각화
• Feature별 기여도 분석 (SHAP 적용)
• 농업용수 공급 최적화를 위한 의사결정 지원

📋 연구 포스터

💡 연구 성과

본 연구는 LSTM과 GRU 모델을 활용하여 실시간 저수지 수위 예측 모델을 개발했습니다.

• 입력 변수 최적화를 통한 예측 정확도 향상
• Attention 메커니즘을 통한 모델 해석 가능성 확보
• 실시간 기상 예측 데이터와 저수지 수위 데이터를 연계하여 예측 성능 개선
• 현장 실무자나 수자원 관리 기관이 쉽게 활용할 수 있는 웹 대시보드 서비스 제공

🎯 의의

이번 수상은 AI 기술을 활용한 스마트 농업 용수 관리 시스템의 가능성을 입증한 성과입니다. 기후변화 시대에 농업 용수의 효율적 관리를 위한 실용적 솔루션을 제시했다는 점에서 높은 평가를 받았습니다.

---

← News로

Smart Digital Agriculture Lab, Department of Smart Farm, Jeonbuk National University