연구동향 분석

농산물의 거래처별 가격과 수요를 예측하고 물동량을 분배하는 딥러닝 방법론 연구 = A study of deep learning methods for predicting the price and demand of agricultural items for each consumer and distributing the quantity of supplies

안혜정 2022년

논문상세정보
인용/피인용
' 농산물의 거래처별 가격과 수요를 예측하고 물동량을 분배하는 딥러닝 방법론 연구 = A study of deep learning methods for predicting the price and demand of agricultural items for each consumer and distributing the quantity of supplies' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • 일반 경영
  • 가격 예측
  • 거래처
  • 농산물
  • 딥 러닝
  • 물동량 분배
  • 방법론
  • 수요예측
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
2,517 0

0.0%

' 농산물의 거래처별 가격과 수요를 예측하고 물동량을 분배하는 딥러닝 방법론 연구 = A study of deep learning methods for predicting the price and demand of agricultural items for each consumer and distributing the quantity of supplies' 의 참고문헌

  • 커피 생두 수요의 정확도 향상을 위한 LSTM 기반의 수 요 예측 모델 연구
    김우람 석사학위논문 숭실대학교 대학원 [2021]
  • 춘천지역 토마토 및 방울토마토의 위해요소 모니터링
    윤미현 석사학위논문 강원대학교 대학원 [2012]
  • 채소가격 예측을 위한 응용기법별 예측력 비교
    김배성 농업경 제연구, 46(4), 89-113 [2005]
  • 채소 가격 예측을 위한 Dual Attention 기반 LSTM 모 델 연구
    임혜진 국내석사학위논문 세종대학교 대학원 [2020]
  • 전사적 관점에서의 최적 인력 스케줄링 및 과업 할당에 관한 연구 – S 외식업체의 사례를 중심으로
    박효성 석사학위논문 경희대학교 대학원 [2020]
  • 전력 거래량 예측에서의 머신 러닝 성능 비교
    최정곤 한국전자 통신학회 논문지, 14(5), 943-950 [2019]
  • 재배지역에 따른 농산물의 phytochemical 함량
    김진영 나환식 박학재 양수인 윤설희 이지헌 조정용 최경철 한국 식품저장유통학회지, 20(4), 451-458 [2013]
  • 인공신경망의 은닉층 최적화를 통한 농산물 가격예측 모델
    김창재 배경태 한국정보기술학회논문지, 14(12), 161-169 [2016]
  • 인공신경망을 이용한 가전제품의 판매예측모델 개발
    서광규 디 지털융복합연구, 12(11), 209-214 [2014]
  • 인공신경망과 유전자 알고리즘 기반의 융합모델을 이용 한 가전제품의 판매예측
    서광규 Journal of Digital Convergence, 13(9), 177-182 [2015]
  • 인공신경망 기법을 이용한 최적의 농산물 가격 예측모델 개발
    배경태 국내석사학위논문 숭실대학교 소프트웨어특성화대학원 [2017]
  • 양파와 마늘가격 예측모형의 예측력 고도화 방안
    김선웅 서상택 하지희 농촌계획, 25(4), 109-117 [2019]
  • 시계열 분석방법을 이용한 과채류 월별가격 예측
    최병옥 최익창 농촌경제 30 (1), 129-148 [2007]
  • 시계열 모형을 이용한 중기 농산물가격 예측 분석
    임지연 국내 석사학위논문 중앙대학교 대학원 [2015]
  • 선형계획법과 과거의 판매자료 패턴에 근거한 반도체 생 산 계획 방법론 연구
    목유수 석사학위논문 성균관대학교 대학원 [2012]
  • 빅데이터 기반의 LSTM을 이용한 축산물 가격 예측 연 구
    김동현 박사학위논문 전북대학교 일반대학원 [2021]
  • 딥러닝을 활용한 부산항 컨테이너 물동량 예측에 관한 연구
    김두환 박사학위논문 동아대학교 대학원 [2020]
  • 딥러닝 기법 을 활용한 가구 부자재 주문 수요예측
    권순동 김재성 양여진 오민지 이성웅 조완섭 한국빅데이터학회지, 5(2), 111-120 [2020]
  • 딥러닝 기반의 농산물 가격 예측 시스템에 대한 연구
    김진 이정일 한국정보기술학회논문지, 17(6), 27-34 [2019]
  • 다중 뉴럴 네트워크 기반의 기상정보를 반영한 농산물 가격 예측
    김상식 이요한 이채석 정성관 채명수 한국통신학회 학술대회논문집, 878-879 [2017]
  • 농식품유통론
    김성훈 김완배 박영사 [2016]
  • 농산물유통종합정보시스템 https://www
    nongnet.or.kr
  • 농산물도매시장의 시장구조와 효율성 간의 관계분석에 관한 연구
    김효미 박사학위논문 건국대학교 대학원 [2020]
  • 농산물도매시장 간 가격의 동태적 분석
    김효미 석사학위논문 건국대학교 일반대학원 [2014]
  • 농산물가격지수 https://www
    hankyung.com/tag/한국농산물가격지수
  • 농산물 유통의 문제점에 대한 고찰과 농산물 수급상황 예측을 위한 통계 분석
    강원중 석사학위논문 고려대학교 행정대학원 [2015]
  • 농산물 유통마진에 미치는 영향 분석–유통채널 변화를 중심으로 도매단계 분석
    김종헌 석사학위논문 중앙대학교 대학원 [2010]
  • 농산물 산지유통센터의 경영성과 결정요인 분 석: 분위회귀분석을 이용하여
    고종태 이향미 강원 농업생명환경연구, 28(1), 25-34 [2016]
  • 농산물 산지유통센터 이용 만족도 결정요인 분석
    이향미 농업 경영 정책연구, 43(2), 346-369 [2016]
  • 농사로 농업정보포털 http://www
    nongsaro.go.kr
  • 농림축산식품 공공데이터 포털 https://data
    mafra.go.kr
  • 농넷 https://www
    nongnet.or.kr
  • 기계학습을 활용한 기상예측자료 기반 태양광 발전량 예측 향상기법
    정진화 채영태 한국생활환경학회지, 25(1), 119-125 [2018]
  • 국가통계포털 https://kosis
    kr
  • 관계마케팅 시각에서의 농산물 도매시장법인 경쟁력 제 고 방안에 관한 연구
    김형수 박사학위논문 영남대학교 대학원 [2018]
  • aT KAMIS 농산물 유통정보 https://www
    kamis.or.kr
  • Zamora-Izquierdo, M. A., Santa, J., Martínez, J. A., Martínez, V., & Skarmeta, A. F. (2019). Smart farming IoT platform based on edge and cloud computing. Biosystems engineering, 177, 4-17.
    [2019]
  • Wang, Z. H., Lu, C. Y., Pu, B., Li, G. W., & Guo, Z. J. (2017). Short-term forecast model of vehicles volume based on ARIMA seasonal model and holt-winters. In ITM Web of Conferences (Vol. 12, p. 04028). EDP Sciences.
    [2017]
  • Trisna, T., Marimin, M., Arkeman, Y., & Sunarti, T. (2016). Multi-objective optimization for supply chain management problem: A literature review. Decision Science Letters, 5(2), 283-316.
    [2016]
  • Ma, S., Fildes, R., & Huang, T. (2016). Demand forecasting with high dimensional data: The case of SKU retail sales forecasting with intra-and inter-category promotional information. European Journal of Operational Research, 249(1), 245-257.
    [2016]
  • MLP 와 ANFIS 를 이용한 입찰가격 예측
    배영철 황대현 한국지능시스템학회 논문지, 30(4), 309-314 [2020]
  • Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674.
    [2018]
  • Lezoche, M., Hernandez, J. E., Díaz, M. D. M. E. A., Panetto, H., & Kacprzyk, J. (2020). Agri-food 4.0: a survey of the supply chains and technologies for the future agriculture. Computers in Industry, 117, 103187.
    [2020]
  • LSTM 을 활용한 배추 가격 예측에 대한 연구
    김연우 김정훈 한지섭 한국정보과학회 학술발표논문집, 1932-1933 [2018]
  • LSTM 네트워크를 활용한 농산물 가 격 예측 모델
    송사광 신성호 이미경 한국콘텐츠학회논문지, 18(11), 416-429 [2018]
  • Ko, D., Kwak, Y., & Song, S. (2014). Real time traceability and monitoring system for agricultural products based on wireless sensor network. International Journal of Distributed Sensor Networks, 10(6), 832510.
    [2014]
  • Kim, C., Im, C., & Youm, S. (2020). Auxiliary system for prediction of volume using tomata big data and data mining methodology. JP Journal of Heat and Mass Transfer.
    [2020]
  • Kamilaris, A., Kartakoullis, A., & Prenafeta-Boldú, F. X. (2017). A review on the practice of big data analysis in agriculture. Computers and Electronics in Agriculture, 143, 23-37.
    [2017]
  • Kamariotou, M., Kitsios, F., Madas, M. A., Manthou, V., & Vlachopoulou, M. (2017, September). Strategic Decision Support Systems for Logistics in the Agrifood Industry. In HAICTA (pp. 781-794).
    [2017]
  • Im, C., Kim, C., & Youm, S. (2019). Tomato Volume Prediction System Using Nonghyup Tomato Big Data. Advanced Engineeirng and ICT-Convergence Proceedings. 2.
    [2019]
  • Holzworth, D. P., Snow, V., Janssen, S., Athanasiadis, I. N., Donatelli, M., Hoogenboom, G., ... & Thorburn, P. (2015). Agricultural production systems modelling and software: current status and future prospects. Environmental Modelling & Software, 72, 276-286.
    [2015]
  • Gavirneni, S., & Tayur, S. (2001). An efficient procedure for non-stationary inventory control. Iie Transactions, 33(2), 83-89.
    [2001]
  • Ferreira, K. J., Lee, B. H. A., & Simchi-Levi, D. (2016). Analytics for an online retailer: Demand forecasting and price optimization. Manufacturing & Service Operations Management, 18(1), 69-88.
    [2016]
  • Cho, J. H., Wang, Y., Chen, R., Chan, K. S., & Swami, A. (2017). A survey on modeling and optimizing multi-objective systems. IEEE Communications Surveys & Tutorials, 19(3), 1867-1901.
    [2017]
  • Castro, C. A. D. O., Resende, R. T., Kuki, K. N., Carneiro, V. Q., Marcatti, G. E., Cruz, C. D., & Motoike, S. Y. (2017). High-performance prediction of macauba fruit biomass for agricultural and industrial purposes using Artificial Neural Networks. Industrial Crops and Products, 108, 806-813.
    [2017]
  • CNN 모형을 이용한 서울 아파트 가격 예측과 그 요인
    김수진 김재직 손동희 오세인 이현재 응용통계연구, 33(5), 603-614 [2020]
  • Bortolini, M., Faccio, M., Ferrari, E., Gamberi, M., & Pilati, F. (2016). Fresh food sustainable distribution: cost, delivery time and carbon footprint three-objective optimization. Journal of Food Engineering, 174, 56-67.
    [2016]
  • Borodin, V., Bourtembourg, J., Hnaien, F., & Labadie, N. (2016). Handling uncertainty in agricultural supply chain management: A state of the art. European Journal of Operational Research, 254(2), 348-359.
    [2016]
  • Amin, S. H., & Zhang, G. (2013). A multi-objective facility location model for closed-loop supply chain network under uncertain demand and return. Applied Mathematical Modelling, 37(6), 4165-4176.
    [2013]
  • Ahumada, O., & Villalobos, J. R. (2011). Operational model for planning the harvest and distribution of perishable agricultural products. International Journal of Production Economics, 133(2), 677-687.
    [2011]