전 세계적으로 지속적인 인구 증가로 인한 식량 부족 문제를 해결하기 위해 빅데이터와 인공지능(AI)을 접목한 스마트 농업에 대한 관심이 높아지고 있다. 시설재배에 있어서 온실 내부 환경을 적절하게 조절하는 것은 질병 예방, 작물 수확량, 에너지 사용 등 농가의 이익과 밀접한 관련이 있다. 그러나 작물의 상태 및 종류, 기후 차이, 환경 변수(일사량, 온도, 습도, 증산) 등 내부환경에 영향을 미치는 다양한 요인으로 인해 많은 농가에서 온실 내부 환경 관리에 어려움을 겪고 있는 실정이다. 또한, 농업인구의 고령화로 인해 작물별, 계절별 다양한 경험을 바탕으로 높은 수확량을 생산할 수 있는 전문농업인이 감소하고 있다. 이에 본 연구에서는 실제 파프리카 농가(충청남도 진천) 기후, 생육 및 제어 데이터와 본 연구진이 선행 연구하여 검증한 GPT 알고리즘 기반의 시설 내부 온·습도 예측 모델을 강화학습과 연계하여 시설내부 환경 제어 알고리즘을 개발하였다. 강화학습은 설정된 시설온실 내부온도 범위 내로 제어 성공 시와 실패 시로 구분하여 보상값을 설정하여 진행되었다. 또한 개발된 모델의 검증을 위해 학습이 완료된 제어 알고리즘을 기존 온실 내부 데이터와 비교 분석하였다.