earticle

영어

Recent increases in strawberry exports highlight the need for systematic monitoring to ensure stable supply. We conducted a machine learning modeling process to predict daily strawberry yields. Utilizing transaction data collected from nationwide wholesale markets over 12 years, we applied and evaluated machine learning models, including linear regression, multilayer perceptron(MLP), and LSTM. The results revealed that Random Forest and Extratrees Regressor outperformed other models in terms of predictive accuracy. The prediction of strawberry supply in Korea using machine learning models enables farmers to establish optimal production plans based on the high accuracy and predictive power of the models, thereby contributing to increased productivity and efficiency. This allows for a more rapid response to market changes, while stable supply chain management and quality improvements can enhance consumer satisfaction.

한국어

딸기는 최근 수출이 늘어 안정공급을 위한 체계적인 모니터링이 필요하다. 일일 딸기 공급량을 예측하기 위한 기계학습모델링 프로세스를 진행하였다. 전국 도매시장에서 12 년간 수집한 거래 내역 데이터를 이용해 기계학습모형을 적용하고 평가했다. 선형회귀, 다층 퍼셉트론(MLP), LSTM 등의 기법을 시도하였다. 그 결과, Random Forest와 Extratrees Regressor의 성능이 다른 모델보다 우수하게 나타났다. 기계학습 모형을 통한 국내 딸기 공급량 예측은 모형의 높은 정확도와 예측력을 기반으로 농가들이 최적의 생산 계획을 수립할 수 있게 하여, 생산성과 효율성을 높이는 데 기여한다. 이를 통해 시장 변화에 보다 신속하게 대응할 수 있으며, 안정적인 공급망 관리와 품질 향상 은 소비자 만족도를 높일 수 있다.