earticle

영어

The seafood industry has experienced significant growth due to rising incomes and economic development, leading to increased consumer preferences for healthy and convenient foods. Recently, the adoption of advanced technologies, including machine learning, has emerged as a key driver of innovation in the seafood sector. This study aims to forecast the price of Norwegian farmed salmon by utilizing machine learning algorithms to analyze national and international indicators influencing price dynamics. The research employed algorithms such as Linear Regression, Decision Tree, Random Forest, and XGBoost to model the relationships between seafood prices and various economic indicators. Data preprocessing techniques, including handling missing values, removing outliers, and normalization, were applied to enhance data quality. Additionally, Variance Inflation Factor (VIF) calculations were performed to eliminate variables causing multicollinearity. The results demonstrated that the enhanced Decision Tree algorithm (XGBoost) achieved high predictive accuracy (R2= .90) with a margin of error within ±3 NOK, confirming its suitability for price prediction in the seafood market. This study contributes to overcoming the limitations of traditional statistical models by adopting a data-driven approach to improve the accuracy of price predictions. It addresses information asymmetry in the seafood distribution market and provides valuable insights to distributors and policymakers, supporting informed decision-making. Furthermore, this approach shows potential for optimizing distribution networks and enhancing market price stability.

한국어

수산업은 소득 증가와 경제 성장으로 인해 건강식품 및 편의식품에 대한 소비자 선호도가 증가하면서 큰 성장을 이루었다. 최근 머신러닝 등 첨단 기술의 도입 은 수산업 분야의 주요 혁신 동력으로 자리 잡고 있다. 본 연구는 노르웨이 양식 연어의 가격을 예측하기 위해 머신러닝 알고리즘을 활용하여 가격에 영향을 미치 는 국가 및 국제 지표를 분석하였다. 연구에서는 선형 회귀(Linear Regression), 의사결정 트리(Decision Tree), 랜덤 포레스트(Random Forest), XGBoost 등의 알고리즘을 적용하여 수산물 가격과 다양한 경제 지표 간의 관계를 모델링하였다. 데이터 품질을 높이기 위해 결측치 처리, 이상치 제거, 정규화 등의 전처리 과정 을 수행하였으며, 분산팽창인수(VIF)를 계산하여 다중공선성 문제가 있는 변수를 제거하였다. 예측 결과, 향상된 의사결정 트리(XGBoost) 알고리즘은 ±3 NOK의 오차 범위 내에서 높은 예측 정확도(R2= .90)를 보여, 수산물 시장에서 가격 예측에 적합한 모델임을 확인하였다. 본 연구는 전통적인 통계 모델의 한계를 극복하고 데이터 기반 접근법을 통해 가격 예측의 정확성을 높이는 데 기여하였다. 이를 통해 수산물 유통 시장의 정보 비대칭 문제를 완화하고, 유통업체 및 정책 입안자에 게 유용한 정보를 제공함으로써 의사결정을 지원할 수 있다. 또한, 이러한 접근법은 유통 네트워크 최적화와 시장 가격 안정성 강화에도 기여할 가능성을 보여준다.