고랭지배추의 생육 시기별 주산지 기상정보를 활용한 출하시기 도매가격 예측모형 (Wholesale Price Prediction Model of Highland Cabbage at the Time of Shipment using Weather Information from the Main Production Area by Growth Season)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 22권 / 9호 / 11 ~ 22페이지
· 저자명 : 허다솜, 정승권

초록

가뭄은 비정상적으로 적은 강우량이 장기간 지속되면서 물이 부족하게 됨에 따라 물 부족으로 토양의 수분율을 감소시켜 배추재배에 직간접적인 영향을 미칠 수 있다. 본 연구에서는 고랭지배추의 생육 시기를 파종기, 정식기, 수확기로 나누어 도매가격에 미치는 영향을 분석한 뒤 SVM(Support Vector Machine), Random Forest, Gradient Boosting 분류모델을 기반으로 고랭지배추 전년 동일 대비 도매가격 변동률을 예측하여 최적의 모델과 변수를 제시하였다. 고랭지배추 도매가격 예측 결과, 정확도가 가장 높았던 모델은 강릉과 대관령 모두 Random Forest였다. 생육 시기 중 고랭지배추에 가장 큰 영향을 주는 시기는 생육기이며 변수는 SPI(Standardized Precipitation Index)1, SPI2인 것으로 분석되었다. 테스트 성능은 세 모델 중 Random Forest가 가장 우수한 성능을 보였다. 또한 두 지역 모두 지역별 중요도가 높은 입력변수 10개 정도의 사용으로도 과적합을 방지하며 예측을 수행할 수 있음을 확인하였다.

영어초록

Drought can directly impact highland cabbage yields by reducing soil moisture due to abnormally prolonged low rainfall. Hence, this study examines the significance of climate factors on cabbage wholesale price yearly changes and presents prediction models based on SVM, Random Forest, and Gradient Boosting classification. While the training performance of the highland cabbage wholesale price yearly price change prediction model showed high accuracy for Gradient Boosting, the best test performance among the three models was observed in Random Forest. Additionally, it was confirmed that using around 10 highly significant input variables in both regions could prevent overfitting and enable effective predictions.

참고자료

· 없음