분석 목적

• 악취 발생에 영향을 주는 화학 물질(냄새 물질)을 관리함으로써 돈사의 악취를 사전에 예방
• 냄새 물질 15종을 이용한 복합악취 최적의 예측 모델 생성

데이터 소개

• 반응변수 : 복합악취(Complex odor)
• 설명변수 : 15종의 냄새 물질(odor substance)
  • Ammonia
  • Sulfur compounds: Hydrogen Sulfide, Methyl mercaptan, Dimethyl sulfide, Dimethyl disulfide
  • Volatile Organic compounds: Acetic acid , Propionic acid, Butyric acid, Iso-Butyric acid, Valeric acid, Iso-Valeric aic, Phenol, para-Cresol, Indole, Skatole
• 데이터 특징 : 높은 결측 비율, 적은 데이터 수(n=57)

분석 과정

• 최적의 예측 모델을 찾기 위해 다양한 분석 과정 비교
• 데이터 문제점 및 해결 방안
  • 높은 결측 비율 : 추후 센서를 통한 데이터 수집을 고려하여 결측 비율이 높을 수 있다는 점을 감안해 결측치 제거 방법이 아닌 대채 방법을 고려
  • 적은 데이터 수 : 데이터가 적은 경우 사용 가능한 Leave-One-Out Cross Validation(LOOCV) 방법을 통해 모델 검증
• 데이터 전처리
  • 결측 대체 : Simple imputation(mean, median), Multivariate imputation(bayesian), Multiple imputation(bayesian ridge, gaussian process regression, KNN)
  • 변수 전처리 : Standardization, 부분최소제곱법(PLS), 주성분 분석(PCA)
• 예측 모델 : Regression, SVM, RandomForest, ExtraTree, XGBoost, DNN
• 모델 검증 : LOOCV를 통한 R-square, MAPE 사용
• 부가 분석 : 상관분석, 주성분 분석, 예측 변수 중요도 파악