A Comparison on Prediction Performance of Korean Onion Price by variety by Application Models

본 논문은 노지에서 재배되는 채소류 특성상 가격변동성이 큰 양파 품목을 대상으로 머신러닝 기법의 일종인 인공신경망(ANN)을 활용하여 품종별(조생종, 중만생종) 소비자가격 예측모형을 1999∼2022년 동안의 자료를 기반으로 구축하고 이를 다중회귀모형과 시계열 ARIMA 모형과 예측력을 상호비교하여 양파가격 예측을 위한 최적의 모형을 선정하는 데 목적이 있다. 예측력 검정은 RMSPE, MAPE, Theil’s U 등을 기준으로 고려하였으며, MAPE 기준으로 예측력을 검정한 결과, 조생종 양파에 대해 다중회귀모형 8.6%, ANN 단변량 모형 9.9%, ARIMA 모형 11.8%, ANN 다변량 모형 12.5% 순으로 나타나, ANN 다변량 모형이 가장 예측오차가 높게 나타난 반면, 중만생종 양파에 대해서는 다중회귀모형 7.3%, ANN 단변량 모형 11.4%, ANN 다변량 모형 17.2%, ARIMA 모형 19.6%로 ARIMA 모형의 예측오차가 가장 높은 것으로 분석되었다. 즉 조생종 및 중만생종 양파가격에 대해 모두 다중회귀모형의 예측력이 가장 높은 것으로 분석되었다. ANN모형이 구조모형 및 시계열모형 보다 예측력이 낮게 나타난 것은 분석에 이용된 통계자료량이 한정되어 충분한 학습자료를 확보하지 못하였기 때문으로 판단된다.