LSTM 네트워크를 이용한 한라봉 가격 예측 모델 (A Prediction Model for Hallabong Tangor Product Prices using LSTM (Long Short-term Memory) Network)

서지정보

· 발행기관 : 한국원예학회
· 수록지 정보 : 원예과학기술지 / 40권 / 5호 / 571 ~ 577페이지
· 저자명 : 정대호, 조영열

초록

농산물의 가격 예측은 시장 수급 조절 결정에 큰 영향을 끼친다. 본 연구의 목적은 전국 9개 도매시장에서 유통되고 있는 한 라봉의 평균가격을 딥러닝 기반의 LSTM 네트워크를 이용하여 한라봉 가격을 예측하고자 하였다. 9개의 도매시장에서 거래 되고 있는 한라봉의 3kg 단위 평균가격을 바탕으로 2007년부터 2021년 1월까지 2,398개의 일일 데이터를 사용하였다. Training 데이터는 전체 데이터의 80%, test 데이터는 전체 데이터의 20%를 사용하여 모델을 학습시켰다. LSTM 네트워크를 위해 보다 더 정확한 가격을 예측하기 위해서는 epoch와 batch size를 결정해야 하는데, epoch는 700과 batch size 128가 적합 한 모델이라 판단하였다. 이 값을 LSTM 네트워크를 적용한 결과, 비교적 한라봉의 평균 가격을 정확하게 예측할 수 있었다 (RMSE = 1040). 딥러닝 기반 한라봉 가격 예측 모델은 농산물 가격 동향과 정부 정책 수립 및 소비자들 요구에게도 유용한 정 보로 활용될 수 있을 것이다.

영어초록

The predicted prices of agricultural products have a great influence on market supply and demand control decisions. The purpose of this study was to predict the average price of Hallabong tangor, which is distributed in 9 wholesale markets nationwide, using a deep learning-based LSTM network. Daily data (2,398 data points) from 2007 to January 2021 based on the average price of 3 kg of Hallabong tangor sold in 9 wholesale markets were used in this study. To train the model, 80% of the dataset was used as training data and 20% was used as test data. For accurate price predictions using an LSTM network, it is necessary to determine the epoch and batch size. An epoch of 700 and batch size of 128 were judged to be suitable for the model (RMSE = 1040). The resulting model could accurately predict the average price of Hallabong tangor. The deep learning-based Hallabong tangor price prediction model provides useful information for agricultural product price trends, government policy establishment, and consumer demands.

참고자료

· 없음