한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지
DOI QR코드

DOI QR Code

양파 도매 가격 예측을 위한 12가지 모델 성능 및 지역별 결과 비교 분석

A Comparative Analysis of Performance and Regional Results of 12 Models for Wholesale Onion Price Forecast

  • 박제인 (광운대학교 정보융합학부) ;
  • 정수진 (광운대학교 정보융합학부)
  • Jane Park (Dept. of Information Convergence, Kwangwoon University) ;
  • Sujin Jung (Dept. of Information Convergence, Kwangwoon University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

한국의 주요 농산물인 양파 도매가격을 예측하기 위해 12가지 모델(SARIMA, ARIMA, Lasso Regression, Linear Regression, Ridge Regression, ElasticNet, LSTM, LightGBM, XGBoost, Random Forest, Gradient Boosting, Prophet)의 예측 성능을 비교 분석하며, 다섯 개 지역(광주, 대구, 대전, 부산, 서울)에서 모델의 성능을 평가한다. ARIMA와 SARIMA는 특히 대구와 부산에서 우수한 성과를 보였으며, Prophet과 LightGBM 모델은 상대적으로 낮은 정확도를 나타냄을 발견하였다. 다양한 모델의 성능 차이를 분석하고, 지역별 데이터 특성에 따른 맞춤형 예측 접근의 필요성을 강조한다.

키워드

과제정보

본 논문은 과학기술정보통신부 대학디지털교육역량강화사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물입니다.

참고문헌

  1. 국승용, 서홍석, 서동주, 권상욱, 김경진, 최근 농산물 가격 변동실태와 시사점, 서울: 한국농촌경제연구원, 2021.
  2. Nam, Kuk-Hyun, and Choe, Young-Chan. "A Study on Onion Wholesale Price Forecasting Model." Journal of Agricultural Extension & Community Development, Vol. 22, No. 4, pp. 423-434, 2015.
  3. 최현오, 여현, 이명훈, 박장우, "생산지 환경에 따른 도매시장 농산물 가격 예측 연구," 한국지식정보기술학회 논문지, 제17권 제6호, 1,285-1,295, 2022.
  4. 신성호, 이미경, 송사광, "LSTM 네트워크를 활용한 농산물 가격 예측 모델," 한국콘텐츠학회논문지, 제18권, 제11호, pp. 416-429, 2018.
  5. J. H. Ha, S. T. Seo, and S. W. Kim, "Evaluation on the Performance of Onion and Garlic Forecasts," Proceedings of the Summer Academic Conference of the Korea Food Trade Association, pp. 559-572, Jul. 2019
  6. B. Choi and I. C. Choi, "Monthly Price Forecasting of Fruit-type Vegetables Using Time-Series Analyses," Journal of Rural Development, Vol. 30, No. 1, pp. 129-148, Apr. 2007.1
  7. Ranjit Kumar Paul, Md. Yeasin, Pramod Kumar, Prabhakar Kumar, M. Balasubramanian, H. S. Roy, A. K. Paul, Ajit Gupta. Machine learning techniques for forecasting agricultural prices: A case of brinjal in Odisha, India. PLoSOne, 17(7): e0270553, 2022.
  8. Paul RK, Yeasin M, Kumar P, Kumar P, Balasubramanian M, Roy HS, Paul AK, Gupta A. Machine learning techniques for forecasting agricultural prices: A case of brinjal in Odisha, India. PLoS One. 17(7): e0270553, 2022.
  9. 정민제. 농산물 도매시장 주별 가격예측 모델 및 출하 의사결정지원도구 개발연구: Research of forecasting weekly price on agricultural wholesales market and developing decision making tool. 서울, 서울대학교 대학원, 2022.
  10. Mithiya D, Mandal K, Datta L. Forecasting of potato prices of Hooghly in West Bengal: time series analysis using SARIMA model. International Journal of Agricultural Economics. 4(3): 101-108, 2019.
  11. Luo CS, Zhou LY, Wei QF. Application of SARIMA model in cucumber price forecast. Applied Mechanics and Materials. 373: 1686-1690, 2013.
  12. De Livera AM, Hyndman RJ, Snyder RD. Forecasting time series with complex seasonal patterns using exponential smoothing. Journal of the American Statistical Association. 106(496): 1513-1527, 2011.