꿀벌은 천연 작물 수분매개자로서 인간 문명의 생물다양성과 식량 생산에 중요한 역할을 합니다. 꿀벌은 벌집의 적절한 기능을 유지하기 위해 벌집 온도(항상성)를 적극적으로 조절합니다. 외부 스트레스 요인(예: 극한 환경 온도, 기생충, 살충제 노출 등)으로 인한 일반적인 체온 조절 행동에서의 편차는 임박한 벌집 붕괴를 나타냅니다. 벌집 온도를 예측하고 온도 패턴의 변화를 발견하여 이러한 위협을 예상하면 양봉가는 조기에 예방 조치를 취하고 중요한 문제를 피할 수 있습니다. 이 경우 해석 가능하고 효과적인 벌집 모니터링 시스템을 위해 벌의 체온 조절 행동을 어떻게 모델링할 수 있을까요? 이 논문에서 우리는 열 확산 방정식과 새로운 '시그모이드' 피드백 루프(P) 컨트롤러를 기반으로 하는 원칙적인 EBV+(Electronic Bee-Veterinarian plus) 방법을 제안하여 다음과 같은 특성을 가진 벌집 건강을 분석합니다. (i) 여러 실제 벌집 시간 시퀀스(기록 및 스트리밍)에 효과적입니다. (ii) 양봉가가 쉽게 정량화하고 신뢰할 수 있는 몇 가지 매개변수(예: 벌집 건강 계수)로만 설명할 수 있습니다. (iii) 항상성에 영향을 미치는 잠재적인 문제가 해로워지기 전에 양봉가에게 사전 경고를 내립니다. (iv) 재구성을 위한 시간 복잡도 O(t)와 C 타임틱이 있는 시퀀스의 컷을 찾는 데 O(t×m)의 확장 가능합니다. 여러 실제 시간 시퀀스에 대한 실험 결과는 EBV+의 잠재력과 실용적인 타당성을 보여줍니다. 저희의 방법은 기준선(ARX, 계절 ARX, Holt-winters, DeepAR)에 비해 최대 600배 적은 매개변수로 정확한 예측(RMSE에서 최대 72% 개선)을 제공하고, 불연속성을 감지하고 도메인 전문가의 의견과 일치하는 경고를 발생시킵니다. 게다가 EBV+는 확장 가능하고 빠르며, 기본 노트북에서 2개월 분의 센서 데이터를 재구성하는 데 1분도 걸리지 않습니다
