전 세계적으로 지속적인 인구 증가로 인한 식량 부족 문제를 해결하기 위해 빅데이터와 인공지능(AI)을 접목한 스마트 농업에 대한 관심이 높아지고 있다. 시설재배 시 적절한 내부 환경 조절은 질병 예방, 수확량, 에너지 사용 등 농가 수익과 밀접한 관련이 있으므로 중요한 요소이다. 그러나 작물의 상태, 종류, 외기 등 다양한 요인으로 적절한 환경조성을 하는 것은 어려운 일이다. 따라서 본 연구에서는 3개 온실(진천 파프리카, 평창 파프리카, 진주 토마토)의 환경 및 제어 데이터와 GPT 알고리즘을 활용하여 시설 내부환경(온ㆍ습도)을 예측할 수 있는 모델을 개발하였고, 이를 LSTM 알고리즘과 비교분석을 통해 검증하였다. 모델개발을 위한 학습은 실제 농장 데이터와 출력값의 MSE(mean square error)를 최소화하는 것을 목표로 진행되었다. 학습 검증을 위해 시설 내부 온ㆍ습도 예측값과 실제값 간의 결정계수(R-square)를 통해 결과로 나타내었다. GPT 알고리즘을 기반으로 한 예측 모델의 경우 3개 온실에서 온ㆍ습도의 R2 평균값이 각각 0.92, 0.65로 나타났다. 또한 LSTM 모델 대비 온ㆍ습도 모두 정확도가 약 4%p 높게 나타나 GPT 기반 예측 모델의 성능이 높게 나타남을 확인하였다. 제어 데이터를 환기, 커튼, 난방 및 냉방으로 분류 후 이를 8가지 경우로 나누었다. 각 온실마다 8가지 상이한 입력값을 기준으로 학습을 진행하여 결과를 분석하였다