강화학습을 통한 돼지 도매시장 수급 의사결정 = Decision-making On Supply And Demand In The Wholesale Pig Market Through Reinforcement Learning

다국어 초록 (Multilingual Abstract)

Based on advances in science and technology, society's interest in analysis using big data and machine learning has been expanding. In this trend, the provision and utilization of solution service through big data are appearing in the agricultural and livestock fields. In particular, various studies to revitalize the livestock economy are in progress, such as predicting future returns through price prediction to control supply and demand. Research using machine learning has been actively conducted in agricultural products rather than livestock. In the field of livestock products, research on pigs is rather insignificant and research using machine learning and big data has a limitation in that there are significantly fewer studies. Therefore, if the pig breeds are analyzed using machine learning, more improved analysis results can be derived. In this paper, we aim to increase profits by determining the appropriate supply and demand behavior in the wholesale market of pigs. The A3C reinforcement learning algorithm is used to determine which buying and selling actions should be taken for the wholesale price of pigs with a specific pattern for each season. The A3C method was used to repeatedly learn 1,000 epochs, confirming that a high profit was generated.

국문 초록 (Abstract)

최근 과학과 기술 발전을 바탕으로 빅데이터와 기계학습을 활용한 데이터 분석 및 활용에 대한 사회의 관심이 더욱 확대되고 있다. 이런 사회의 흐름에 발맞추어 농·축산 분야에서도 빅데이터 수집뿐만 아니라 분석을 통한 솔루션 서비스 제공과 활용 등의 사례가 다양하게 나타나는 추세이다. 특히 축산 경제를 활성화하기 위해 가격 예측을 통한 미래의 수익률을 예측하여 수급 조절을 하려는 등의 연구가 다양하게 진행 중이다. 현재까지 기계학습을 이용한 연구는 주로 축산물 분야보다는 과일류 및 채소류와 같은 농산물 분야에서 활발하게 진행되었다. 축산물 분야에서는 최근까지는 한우를 포함한 소에 대한 연구가 활발하게 진행된 바가 있으나, 돼지에 대한 연구는 다소 미진하며 또한 최신 알고리즘과 빅데이터를 이용한 연구는 현저히 적다는 한계를 보인다. 따라서 돼지 축종에 대해 기계학습 알고리즘을 이용하여 분석한다면 더 개선된 분석 결과를 도출할 수 있을 것이다. 본 논문에서는 최신 연구가 적은 분야인 돼지에 대해 도매시장 내에서 적절한 수급 행동 결정을 통해 수익을 높이고자 한다. 계절에 따른 특정 패턴이 존재하는 돼지 도매가격에 대해 각 계절에서 어떤 매수 및 매도 행동을 취해야 하는지 결정을 하기 위한 A3C 강화학습 알고리즘을 이용하여 학습 및 분석을 하였다. 가격 데이터에 유의한 계절 간의 차이가 존재하는지 검증하기 위해 대응표본 검정과 일원 분산분석을 시행한 후, A3C 방법을 이용하여 에포크 1,000번 반복 학습한 결과 최종적으로 높은 수익이 발생한 것을 확인하였다.

참고문헌 (Reference)

• 1 한미진, "한우농가의 최적 출하월령 선택: 동적계획모형을 이용하여" 한국농업경제학회 58 (58): 47-65, 2017
• 2 이종하, "준이상 수요체계(AIDS)를 이용한 한국의 육류수요분석" 한국자료분석학회 9 (9): 1197-1210, 2007
• 3 강명주, "원산지표시제(COOL)의 경제적 효과 분석 : 농·축산물을 중심으로" 한국자료분석학회 12 (12): 1021-1033, 2010
• 4 강윤정, "양파의 생구무게 예측을 위한 여러 가지 일반회귀모형의 성능 비교" 한국자료분석학회 23 (23): 135-148, 2021
• 5 남국현, "양파 출하시기 도매가격 예측모형 연구" 한국농촌지도학회 22 (22): 423-434, 2015
• 6 유창환, "사과 농가의 위험태도 및 최적출하시기 추정 - 월별도매가격과 저장비용 중심으로 -" 한국식품유통학회 33 (33): 39-60, 2016
• 7 김진, "딥러닝 기반의 농산물 가격 예측 시스템에 대한 연구" 한국정보기술학회 17 (17): 27-34, 2019
• 8 김미혜, "기계학습을 이용한 복숭아 경락가격 및 거래량 예측모형 비교" 한국자료분석학회 20 (20): 2933-2940, 2018
• 9 오승원, "Prophet 모형을 이용한 마늘 가격의 장기 예측 및 트렌드 분석" 한국자료분석학회 22 (22): 2325-2336, 2020
• 10 Mnih, V., "Playing atari with deep reinforcement learning" 2013
• 11 Sepp Hochreiter, "Long Short-Term Memory" MIT Press - Journals 9 (9): 1735-1780, 1997
• 12 Mnih, V., "Asynchronous methods for deep reinforcement learning" 48 : 1928-1937, 2016