인공신경망 모델을 활용한 제주지역 양식 넙치 산지가격 예측 연구

Abstract

넙치는 광어라고도 하며, 국민 횟감으로 불리는 우리나라 대표 양식어류 중 하나이다. 넙치는 현재 국내 양식어류 생산량의 약 50%를 차지하고 있다. 또 주요 생산원인 양식은 생산량의 94%가 제주도 및 전라남도에서 생산되고 있다. 이러한 양식 넙치의 산지가격은 다양한 영향으로 인해 하락과 상승을 반복하고 있다. 이러한 불규칙한 가격 변동은 양식어가 및 소비자 모두에게 부정적 영향으로 이어진다. 이러한 현상을 방지하기 위해서는 가격 예측을 통해 미래를 예측하고, 수급량을 조절하여 공급량과 가격을 안정시켜야 한다. 본 연구에서는 주 생산지인 제주지역의 양식 넙치 산지가격 예측을 하였다. 가격 예측 시 타 분야에서 활발한 연구가 이루어지고 있는 인공신경망 모델을 활용하였으며, 기존 수산분야의 가격 예측 연구에서 활용되고 있는 분석법과 비교하여, 가격 예측에 더 유리한 방법을 제시하고자 하였다. 분석에 있어서는 2005년 10월부터 2020년 12월까지 183개의 제주도 양식 넙치 월별 산지가격을 포함한 11개의 자료를 변수로 사용하였으며, 코로나 19로 인한 불확실성을 고려하여 2019년 1월부터 12월까지와 2020년 1월부터 12월까지를 나누어 예측해 보았다. 인공신경망 모델은 Multi-layer feedforward network(MLFN) 모델과 Generalized regression neural network(GRNN) 모델을 사용하였고, 비교 모델로 다중회귀분석법을 사용하였다. 활용된 모델을 비교하기 위해 평균절대백분율오차(mean absolute percent error, MAPE)를 예측오차율로 사용하였다. 분석 결과, 2019년의 예측오차율은 다중회귀분석 6.46%, MLFN 모델 5.61%, GRNN 모델 5.26%로 나타났다. 2020년의 예측오차율은 다중회귀분석 8.63%, MLFN 모델 6.78%, GRNN 모델 6.04%로 나타났다. 최종적으로 GRNN 모델이 본 연구에서 적합도가 가장 우수한 것으로 평가되었다. 본 연구에서는 기존에 활용되지 않았던 다양한 변수와 인공신경망 모델을 활용해 분석하였다. 그 결과, 분석에 활용된 인공신경망 모델들이 다중회귀분석법보다 평균오차와 예측오차율 모두 더 적합한 결과를 도출해 냈다. 이에 따라, 향후 수산물 가격 예측 연구 시 인공신경망 모델을 적극 활용하는 방안을 강구할 필요가 있을 것이다.

Olive flounder is one of the representative fish farmed in Korea, which is called the national sashimi. Currently, it accounts for about 50% of domestic farmed fish production and 94% of farmed olive flounder production is produced in Jeju Island and Jeollanam-do. The fluctuation range of production and price increases due to various reason, which has negative impacts on both producers and consumers. In order to prevent this fluctuation, it is necessary to predict future prices. Adjust supply and demand, and stabilize supply and prices. In this study, the producer price of farmed olive flounder in Jeju Island, the main production area, was predicted. In price prediction, an artificial neural network models, which have been widely researched in other fields, were used. For the analysis, 11 data including monthly prices of farmed olive flounder in Jeju Island from October 2005 to December 2020 were used as variables. Due to the presence of uncertainty by COVID-19 in 2020, the predictions were divided into January 2019 to December 2019 and January 2020 to December 2020. As artificial neural network models, a multi-layer feedforward network (MLFN) model and a generalized regression neural network (GRNN) model were used, and multiple regression model was used as a comparative model. To compare results of models, mean absolute percent error (MAPE) was used as the prediction error rate. As results, the prediction error rate in 2019 was 6.46% for multiple regression model, 5.61% for MLFN model, and 5.26% for GRNN model. In addition, the prediction error rate in 2020 was 8.63% for multiple regression model, 6.78% for MLFN model, and 6.04% for GRNN model. That is, the GRNN model showed the best fit in this study. The artificial neural network models used in the analysis produced more suitable results in both the mean error and the prediction error rate than the multiple regression model. It is suggested that artificial neural network models could be utilized in seafood price predictions.