인공신경망의 은닉층 최적화를 통한 농산물 가격예측 모델 (An Agricultural Estimate Price Model of Artificial Neural Network by Optimizing Hidden Layer)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 14권 / 12호 / 161 ~ 169페이지
· 저자명 : 배경태, 김창재

초록

인공신경망의 성능의 최적화에 영향을 미치는 요인은 은닉층의 수, 학습률, 모멘텀 등이 있다. 이 값들이 실제 농산물 가격예측에 어떤 영향을 미치는 가를 알아보는 것이 본 연구의 목적이다. 이를 검증하기 위해 인공신경망 알고리즘을 통한 당해년도 안동지역의 오이 가격예측을 한다. 독립변수는 기상청의 2013~2015년도 안동지역 21개의 농업기상관측 데이터셋 중에 선형회귀분석을 통해 가장 연관성이 있는 7가지 데이터셋을 설정한다. 종속변수로는 농업진흥청 공공개방데이터인 2013~2015년도의 안동지역 실제 오이의 판매 가격을 설정한다. 또한, 인공신경망의 은닉층 구성은 가장 보편적인 3-tier model을 기본으로 구성하고, 은닉층의 수, 모멘텀과 학습률 계수를 차례대로 늘려나가면서 실제 가격과 예측 가격의 차이를 비교한다.
본 연구는 선형회귀분석으로만 가격예측하기 보다는 선형회귀분석(독립변수 선정)과 인공신경망 기법을 혼합 사용함으로써 예측 정확도를 전자에 비해 14.77% 높였다는 점에 의의가 있다.

영어초록

Factors affecting the performance of the artificial neural network are a number of hidden layer, learning rate, and momentum, etc. These values ​​are the aim of this research to find out whether it affects the actual farm price forecast.  In the year through artificial neural network algorithm to verify this prediction and the price of cucumbers, An-dong. Independent variables are the seven sets of data that are most associated with the three linear regression analysis during 2013 ~ 2015 An-dong 21 agricultural meteorological datasets. The dependent variable is set to the actual selling price of cucumbers in Andong Rural Development Administration of public open data 2013-2015 years. In addition, the configuration of the hidden layer neural network consists of the most common 3-tier model as a base, the number of hidden layer, learning rate and momentum factor compares the difference between the actual price and the predicted price.
This research is significant to the point by using the electronic mixing the ANN and linear regression model increasing 14.77% prediction accuracy rather than only using linear regression analysis to predict the price.

참고자료

· 없음