농산물 가격예측
한 걸음 앞서가는 농넷 AI
전국도매시장 감귤5kg평균 경락가격 전망
가격전망 기준 : 최근 실적 기준, 10% 이상 상승 ↗ , 10% 이상 하락 ↘ , 변동성 10% 이내 →
terraformer
단계적 방법을 통한 Hodrick–Prescott filter 사용
1단계 : 각 품목별 최근 2주간의 가격과 유사한 가격 흐름을 보이는 연중일자의 추세를 계산
2단계 : 계산된 과거 추세와 최근 2주의 가격 차이를 조정해 최근 2주 가격 수준으로 조정
3단계 : Hodrick–Prescott filter 를 통해 추세선 적용 (해당 필터는 단기 변동보다 장기 변동에 더 민감하게 작용)
최종적으로 품목별 과거 추세에 따른 현 시점 추세 예측
syk
LightGBM을 사용한 지도학습으로 시계열을 하는 방법을 사용하여 다양한 파생변수 생성 (연중일자, 2주간 변화율, 최대-최소 차이값 등)
다양한 파생변수를 통한 모델링과 LightGBM의 빠른 알고리즘 수행 속도로 비슷한 특징을 가지는 품목을 따로 학습시키는 방법을 사용
alpha
resnet 모델을 변형시켜 자신의 생각을 모델링에 담아내는 방법으로 모델 작성
지도학습 regression을 통한 시계열 예측을 수행하기 위해 많은 독립변수가 사용됨
dropout을 통해 과적합을 방지하며 Resnet block을 사용한 품목별 latent feature의 상관성 학습
bilinear interpolation을 통한 데이터 보간법 사용
TA
통계 모델인 SARIMAX 모델과 시계열 딥러닝 분야의 sota급 모델인 Temporal Fusion Transformer를 사용
독립변수는 target 변수인 ‘해당일자_전체평균가격(원)’ 만을 사용
전처리 방법에서 학습 기간 조정, 결측 값 처리를 각 품목마다 다르게 적용하였고 모든 과정을 모듈화로 작성
kind
target 변수인 ‘해당일자_전체평균가격(원)’ 만을 독립변수로 사용하는 시계열 방법을 사용
품목별 정상성을 확인하고 정상성을 만족하지 못하면 차분을 수행하여 정상성 만족하는지 여부 판단
SKLearn의 LinearRegression(), DLinear, NLinear, edLSTM 모델을 품목마다 서로 다르게 사용