다중 선형 회귀 모델을 적용한 채소 가격 예측 시스템 : 기상 변인 중심으로
Vegetable Price Prediction System Applying Multiple Linear Regression Models : Focused on Meteorological Variables
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
채소 가격의 상승과 하락은 기상 여건에 의한 변동이 가장 크다. 특히 최근 48일째 이어진 장마철 집중호우와 태풍에 의한 채소 가격 상승은 가정의 장바구니 물가와 가공 및 외식업체의 경영상 위험요인이 된다. 따라서 본 논문은 기상 변인 중심의 채소 품목별 가격 예측 시스템을 제안한다. 예측 시스템은 사용자가 웹 사이트에 접속하여 기후 정보를 입력하면 예측한 채소 가격 정보를 사용자에게 제공한다. 제안하는 예측 시스템을 다중 선형회귀(Multiple Linear Regression) 모델을 적용한 딥러닝(Deep Learning) TensorFlow Library, Flask Web Server, MDBootstrap Design Framework, 기상청과 한국농수산식품유통공사 공공 데이터를 활용해 구현하고 실제 환경에서 적용 가능하다.
Abstract
The weather conditions are the most influencing factor of the rise and fall of vegetable prices. Recently, the rising vegetable prices due to 48 days of heavy rain and typhoons during the rainy season are risk factors for the domestic shopping cart prices and the management of processing restaurant businesses. Therefore, the thesis proposes a price prediction system for each vegetable based on weather variables. The prediction system provides the predicted vegetable price information to the user when the user accessing the website and inputs the weather information. The proposing prediction system can be implemented with the Deep Learning that has applied Multiple Linear Regression, TensorFlow Library, Flask Web Server, MDBootstrap Design Framework, and the public data from the Meteorological Agency and the Korea Agro-Fisheries & Food Trade Corporation and applied in the real environment.
참고문헌 (14)
- "연합뉴스" (2020)[URL]
- 최병옥, "농업관측정보활용해 수급안정 도모실행조직육성필요", 한국농촌연구원 보도자료, ~ (2019)
- "네이버 지식백과" (2000), 고영복[URL]
- 이우리, "시계열 분석과 예측" (2013), 도서출판 탐진
- "오원석" (2014), 네이버지식백과[URL]
- T.Mehryar Mohri, "Perceptron Mistake Bounds", ~ (2013)
- Kunihiko Fukushima NHK Broadcasting Science Research Laboratories, "Neocognitron: A Self-organizing Neural Network Modelfor a Mechanism of Pattern Recognition Unaffected by Shift in Position", ~ (1989)
- Y. Bengio, "Representation Learning: A Review and New Perspectives", IEEE Trans. PAMI, special issue Learning Deep Architectures, ~ (2013)
- T. Sainath, "Convolutional neural networks for LVCSR", ICASSP, ~ (2013)
- Mikolov, "Recurrent neural network based language model", Interspeech, ~ (2010)
- 오일석, "기계학습" (2017), 한빛아카데미
- Szegedy, Christian, "Deep neural networks for object detection", Advances in Neural Information Processing Systems, ~ (2013)
- 안성만, "딥러닝의 모형과 응용사례", 지능정보연구, 22(2), pp.127~142 (2016), 한국지능정보시스템학회
- 민성욱, "딥러닝(Deep Learning)을 이용한 주택가격예측모형 연구 : 서울시 주택 매매 실거래가를 중심으로", pp.2017