* 본 문서는 배포용으로 복사 및 편집이 불가합니다.
서지정보
ㆍ발행기관 : 경상대학교 농업생명과학연구원
ㆍ수록지정보 : 농업생명과학연구 / 57권 / 4호
ㆍ저자명 : 김재휘, 김치운, 노호영
ㆍ저자명 : 김재휘, 김치운, 노호영
목차
초록Abstract
서론
재료 및 방법
1. 분석 자료
2. 분석 절차
3. 분석 모형
결과 및 고찰
1. 분석 결과
2. 결론 및 고찰
References
한국어 초록
본 연구에서는 대파의 가락시장 도매가격을 이용하여 기존 시계열 모형인 ARIMA 모형, 홀트-윈터스 평활법과 대표적인 기계학습 방법인 랜덤 포레스트(Random forest) 분석 기법의 가격 예측력을 비교하였다. 세 모형의 예측력을 분석한 결과는 다음과 같다. 가장 예측력이 높게 나타난 모형은 3년(36개월)을 주기로 설정한 ARIMA 모형이었다. 또한 ARIMA 모형과 홀트-윈터스 평활법은 일별 데이터보다 월별 데이터를 이용한 예측 결과의 정확도가 더 높아 훈련 데이터에 대한 과적합(overfitting)이 오히려 예측력을 낮추는 현상을 보였다. 반면, 랜덤 포레스트는 월별 데이터 보다 일별 데이터를 사용한 모형의 예측력이 더 높았다. 이는 학습량이 많을수록 높은 예측력을 보여주는 기계학습의 특징을 보여주었다. 그러나 기계학습 방법을 활용한 가격 예측에는 가격에 영향을 주는 설명변수를 찾고, 양질의 훈련 데이터 축적이 필요하다는 것을 알 수 있었다. 향후 연구에서는 다양한 설명변수와 기계학습 및 딥러닝 기법을 적용한다면 농축산물 가격 예측력을 높이는데 도움이 될 것으로 판단된다.영어 초록
The purpose of this study is to compare the price forecasting of green onion through ARIMA, Holt-Winters, and Random forest. After analyzing three forecasting models, ARIMA, consisting three year period (36months), shows the highest forecasting result. Also, ARIMA and Holt-Winters using daily data shows higher forecasting result rather than monthly data, because over-fitted from the daily data decrease the forecasting result. On the other hand, Random forest using daily data show higher forecasting results than monthly data, meaning that the more it learned from the data, the higher forecasting result it has. Therefore, it could be desirable to find certain variables affecting the forecasting of machine learning, and accumulate reasonable test data. The result gives some implications that adapting the reasonable variable to machine learning and Deep learning will be able to show higher forecasting results for other agriculture product price.참고 자료
없음태그
"농업생명과학연구"의 다른 논문
이중차분법을 이용한 축사시설현대화 효과 분석7페이지
충청지역 대표 밭작물의 월별 가뭄수준 평가10페이지
전통 탁주의 품질향상을 위한 담금 방법의 선정과 특성8페이지
비글견의 BCS별 필수 미네랄의 외관상 전장 소화율 평가8페이지
미성성숙 재래 흑염소에서 서열, 일주기 리듬 및 사료급여시간이 행동에 미치는 영향9페이지
‘산림치유프로그램’의 질적 향상을 위한 연구10페이지
오대산국립공원의 고등균류 다양성 및 분포 특성11페이지
산내성 섬유소 분해 박테리아 분리 및 효소학적 특성규명13페이지
곰솔림의 생장특성을 반영한 지위지수 추정 및 해안⋅내륙 임분 비교7페이지
경남지역 대나무림의 입목축적량 산정 및 탄소저장량 추정10페이지