국내 도매시장의 딸기 공급량 예측을 위한 기계학습 모형 연구

• 영문명: A Study on Machine Learning Models for Predicting Strawberry Supply in Domestic Wholesale Markets
• 발행기관: 한국지역경제학회
• 저자명: 백범수(Beom-Su Baek) 정현진(Hyun-Jin Jung) 강유빈(Yu-Bin Kang) 김영순(Young-Soon Kim)
• 간행물 정보: 『한국지역경제연구』제22권 제2호, 69~85쪽, 전체 17쪽
• 주제분류: 경제경영 > 경제학
• 파일형태: PDF
• 발행일자: 2024.08.31

국문 초록

딸기는 최근 수출이 늘어 안정공급을 위한 체계적인 모니터링이 필요하다. 일일 딸기공급량을 예측하기 위한 기계학습모델링 프로세스를 진행하였다. 전국 도매시장에서 12년간 수집한 거래 내역 데이터를 이용해 기계학습모형을 적용하고 평가했다. 선형회귀, 다층 퍼셉트론(MLP), LSTM 등의 기법을 시도하였다. 그 결과, Random Forest와 Extratrees Regressor의 성능이 다른 모델보다 우수하게 나타났다. 기계학습 모형을 통한 국내 딸기 공급량 예측은 모형의 높은 정확도와 예측력을 기반으로 농가들이 최적의 생산 계획을 수립할 수 있게 하여, 생산성과 효율성을 높이는 데 기여한다. 이를 통해 시장 변화에 보다 신속하게 대응할 수 있으며, 안정적인 공급망 관리와 품질 향상은 소비자 만족도를 높일 수 있다.

영문 초록

Recent increases in strawberry exports highlight the need for systematic monitoring to ensure stable supply. We conducted a machine learning modeling process to predict daily strawberry yields. Utilizing transaction data collected from nationwide wholesale markets over 12 years, we applied and evaluated machine learning models, including linear regression, multilayer perceptron(MLP), and LSTM. The results revealed that Random Forest and Extratrees Regressor outperformed other models in terms of predictive accuracy. Predicting domestic strawberry supply through machine learning models provides important help in decision-making for producers. The high accuracy and predictive power of the model allows farmers to establish optimal production plans, contributing to increasing productivity and efficiency. Through this, farmers can respond more quickly to market changes and increase consumer satisfaction through stable supply chain management and quality improvement.

목차

Ⅰ. 서론

Ⅱ. 연구 설계

Ⅲ. 일별 딸기 공급량 예측

Ⅳ. 요약 및 결론

키워드

빅데이터 공급예측 머신러닝 랜덤 포레스트 엑스트라트리 회귀변수 Big Data Supply Prediction Machine Learning Random Forest Extratrees Regressor