Lasso 회귀분석을 활용한 농산물 가격예측 모델 변수 선정 연구
A study on selection of variables in Forecasting Model of Agricultural Products Price using Lasso regression
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
농산물 가격 파동 문제를 해결하기 위해 딥러닝 모델을 연구하였다. 선행연구를 기반으로 기본변수를 선정 후, lasso 회귀분석을 적용해 최적 변수를 선정하여 LSTM모델에 적용하여 RMSE로 성능을 비교하였다. 최적 변수를 이용했을 때, 양파와 대파의 1, 3, 5, 7일 후 가격 예측의 RMSE가 평균적으로0.0229, 0.0019씩 감소하였다. lasso 회귀분석을 활용해 최적 변수 선정은 모델의 정확도를 향상시키며, lasso 회귀분석을 이용해 선정된 최적 변수들을 이용한 딥러닝 농산물 가격 예측 모델은 가격 파동을 완화에 활용될 수 있을 것으로 예상된다.
Abstract
A deep learning model was studied to solve the problem of agricultural product price fluctuations. After selecting the basic variable based on previous studies, the optimal variable was selected by applying laso regression and applied to the LSTM model to compare the performance with RMSE. When using the optimal variable, the RMSE of the price prediction decreased by 0.0229, 0.0019 on average after 1, 3, 5, and 7 days of onions and leek price The selection of optimal variables using lasso regression was effective, and the LSTM agricultural product price prediction model using the optimal variables selected using lasso regression is expected to be used to alleviate price fluctuations.
참고문헌 (8)
- 김나영, "Lasso 벌점회귀모형을 적용한 중학생의 학업열의 관련 변수 탐색", 교육문화연구, 26(6), pp.337~355 (2020), 교육연구소[DOI]
- 배경태, "인공신경망의 은닉층 최적화를 통한 농산물 가격예측 모델", 한국정보기술학회논문지, 14(12), pp.161~169 (2016), 한국정보기술학회[DOI]
- 신성호, "LSTM 네트워크를 활용한 농산물 가격 예측 모델", 한국콘텐츠학회 논문지, 18(11), pp.416~429 (2018), 한국콘텐츠학회[DOI]
- 농업부문 전망모형 KREI-KASMO 2020 운용·개발 연구, "서홍석", 한국농촌경제연구원, ~ (2020)
- 이정환, "농산물가격과 농업경영 안정을 위한 새로운 길", 시선집중 GSnJ, (286), pp.1~22 (2021)
- 차성재, "딥러닝 시계열 알고리즘 적용한 기업부도예측모형 유용성 검증", 지능정보연구, 24(4), pp.1~32 (2018), 한국지능정보시스템학회
- "경남도, 농산물 가격 예측 정보 실시간 제공"[URL]
- Yin, Helin, "STL-ATTLSTM:Vegetable Price Forecasting Using STL and Attention Mechanism-Based LSTM", Agriculture, 10(Iss 612), pp.612~ (2020)