감귤 출하량과 가격에 대한 예측 모형 개발 및 영향요인 분석

Abstract

제주도의 1차 산업 규모는 4조2,249억이며, 그중 농산물의 수입은 40.3%인 1조 7,005억이다. 사면이 바다인 지역 특색에 비해 농업 비중이 높으며 농업 중에도 감귤로 인한 수익은 9,508억원(55.92%)으로 농산물 수입의 절반 이상을 차지한다. 그러므로 제주에서 감귤 생산, 공급의 안정화는 생산자 이외에도 유통업자, 소비자, 정부, 학계 등 다양한 이해 관계자에게 중요한 주제이다. 기존 농산물에 관한 연구 현황을 살펴보면 전반적인 농작물의 생산이나 다른 과육의 생산성 관련 연구논문은 다수 있으나 제주 밀감의 대부분을 차지하는 노지온주와 하우스온주에 대해 인공지능을 활용하여 생산량이나 가격을 예측하는 분석 연구는 부재하다. 이에 본 연구에서는 작물 생산과 가격 예측 논문의 기법을 두루 참고하여 제주 감귤 맞춤형으로 개선하고, 노지온주와 하우스온주의 출하량 및 가격 예측 모형을 개발하려고 한다. 감귤 출하량 및 가격 예측에는 다양한 요인 변수가 활용되며 시장의 변동성, 재배 환경(기온, 습도, 일사량, 강우량, 적설량 등), 경쟁 과일의 수요 및 공급 등 다양한 요인 등이 해당한다. 본 연구에서는 과일 출하량 및 가격 변화와 상관관계가 있는 다양한 국·내외 영향요인을 분석하고, 시간에 따른 각 요인을 독립변수로 하여 출하량과 가격을 예측하는 모형으로 설계했다. 이때 활용되는 국내 변동 요인으로는 감귤 출하량, 가격 현황, 기상 정보 및 공휴일 등이 있으며, 국외 변동 요인으로는 경쟁 과일의 수입 과일 데이터를 사용한다. 최적의 예측 모델을 선정하기 위해 다양한 시계열 모델들을 비교 분석하였다. 본 연구에서는 예측 정확도 향상을 위해 심층학습 기반의 LSTM, Seq2Seq, Attention 모델들을 활용하여 감귤 출하량 및 가격 예측을 수행하고, 예측 정확도와 예측 안정성을 평가하였다. 본 연구의 결과는 감귤 출하량 및 가격 예측에 영향을 미치는 요인 변수의 중요성을 확인하고, 다양한 시계열 모델의 윈도우 사이즈를 조절하여 시나리오별 출하량과 가격을 시뮬레이션해 볼 수 있을 것으로 기대된다. 심층학습 기반으로 출하량 및 가격 예측 모델들의 결과를 시뮬레이션해 비교 제시함으로써, 농산물 시장의 효율적인 운영과 농산물 생산자 및 소비자의 이익 극대화 관련 연구 및 실무 분야에 도움이 될 것으로 기대된다.|The primary industry scale in Jeju island is 4.2249 trillion won, with agricultural incomes accounting for 1.7 trillion won (40.3%). Despite the unique characteristics of being surrounded by the sea, agriculture has a high proportion in Jeju, and citrus fruits account for over half of the agricultural imports, generating 950.8 billion won (55.92%) in revenue. Therefore, the stabilization of citrus production and supply in Jeju is an important topic not only for producers but also for various stakeholders such as distributors, consumers, government, and academia. While there are numerous research papers on overall crop production or productivity related to other fruits, there is a lack of analytical studies using artificial intelligence to predict shipments and prices for open-field and greenhouse-grown citrus, which represent the majority of Jeju's citrus production. In this study, we aim to develop shipments and price prediction models for open-field and greenhouse-grown citrus by referring to techniques from crop production and price prediction research papers and tailoring them to Jeju's citrus. Various factor variables are utilized for citrus shipments and price prediction, including market volatility, cultivation environment (temperature, humidity, sunshine duration, precipitation, snowfall, etc.), demand and supply of competing fruits, and other factors. In this study, we analyze various domestic and international factors that are correlated with changes in fruit shipments and prices and design a model that predicts the shipments and prices by using each factor as an independent variable over time. Domestic factors used in this study include citrus shipments, price status, weather information, and holidays, while international factors include imported fruit data of competing fruits. To select the optimal prediction model, various time series models were compared and analyzed. In order to improve the prediction accuracy, deep learning-based LSTM, Seq2Seq, and Attention-based models were utilized to perform citrus shipments and price prediction, and the prediction accuracy and stability were evaluated. The results of this study are expected to confirm the importance of factor variables that influence citrus shipments and price prediction and enable the simulation of shipments and price scenarios by adjusting the window size of various time series models. By comparing and presenting the results of shipments and price prediction models based on deep learning, this study is expected to contribute to research and practical fields related to the efficient operation of the agricultural market and maximizing the benefits of agricultural producers and consumers.