• 10년의 날씨+가격 데이터 학습 후 예측
• 7일 단위로 학습데이터가 들어간 후 8일째를 예측
• 예측 범위를 늘리기 위해 실제 8일째 데이터 대신 예측된 8일째 데이터를 주입 후 다음 7일 반복

처음 7일의 데이터를 학습 후 8일째 즉 하루만을 예측하는 모델을 구현했는데 예측결과가 매우 잘 맞았다. 이유는 배추 가격이 일일간의 변동폭은 매우 적고 월별, 분기별 가격변동이 큰 상품이기 때문으로 생각된다.

그래서 예측 범위를 하루가 아니라 무한대로 늘리기 위해 8일째 예측된 결과를 실제 8일째 데이터에 주입 하여 8번의 예측 후에는 전부 예측된 데이터들로만 이루어진 데이터셋으로 예측을 진행하는 모델로 구축하였다.

결과는 약 3개월까지 괜찮은 예측률을 보여주다 급락하는 것을 보인다. 아래는 10년간의 데이터를 학습한 후 1년간의 데이터를 예측한 결과이다. 빨간색은 실제 배추 가격 데이터이고 파란색이 예측한 결과 값이다.

이번 프로젝트는 배추 가격과 무 가격 두가지 데이터를 작성한 RNN모델에 트레이닝 및 예측을 해보았다. 두 작물 모두 약 3개월을 기점으로 예측률이 급격하게 하강하는 것을 알 수 있는데 이러한 예측 범위 한계를 늘리기 위해서는 데이터셋의 정제가 필요하다. 현재는 해당하는 날짜의 기온,습도,강수량,풍향 등 기상정보와 그 날짜에 따른 작물 가격만으로 데이터셋을 구성한다. 하지만 농작물 가격에 영향을 끼치는 요소는 그것보다 더 다양하기 때문에 그에따라 맞는 데이터는 추가하고 영향력이 적은 데이터는 없애는 작업이 반드시 필요하다고 생각된다.

• 모두를 위한 딥러닝 강좌 시즌1
• TensorFlow KR
• 기상청
• 농업관측통계정보시스템