価格帯識別モデルを用いたレタス類の週次卸売価格予測

• Item type: Journal(1)
• 公開日: 2025-01-15
• タイトル: 価格帯識別モデルを用いたレタス類の週次卸売価格予測
• タイトル / 言語: en
• タイトル: Weekly Wholesale Price Forecast for Lettuces Using Price Range Classification Model
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] 市場予測，時系列解析，植物工場，特異スペクトル解析，機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00241795
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 豊橋技術科学大学／現在，大阪大学
• 著者所属: 豊橋技術科学大学
• 著者所属: 豊橋技術科学大学
• 著者所属(英): en
• 著者所属(英): Toyohashi University of Technology / Presently with Osaka University
• 著者所属(英): en
• 著者所属(英): Toyohashi University of Technology
• 著者所属(英): en
• 著者所属(英): Toyohashi University of Technology
• 著者名: 細田, 侑也; 島袋, 歩; 後藤, 仁志
• 著者名(英): Yuya, Hosoda; Ayumu, Shimabukui; Hitoshi, Goto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，植物工場の栽培計画を調整するためにレタス類の卸売価格を週次で予測する手法を提案する．提案法では，物価や旬，気象という要因で卸売価格が決定されるという卸売価格モデルを周波数解析に基づいて定義する．そして，各要因に関する信号を特異スペクトル解析で取り出して，自己回帰和分移動平均モデルとLong short-term memoryを用いて将来的な値を予測する．それらの予測値を合算することで，卸売価格モデルを明確に反映させながら将来的な卸売価格の変動を予測できる．ただし，突発的に卸売価格が上昇する高騰価格帯が含まれているデータセットで予測モデルを構築すると，平均的な価格変動を示す通常価格帯での予測性能が低下する．そこで本研究では，高騰価格帯をエルミート補間で補間したデータセットで通常価格帯用の予測モデルを，補間していないデータセットで高騰価格帯用の予測モデルを構築する．最終的には，予測する週がどちらの価格帯に属しているか決定木で識別して，該当する予測モデルによる予測値を出力する．東京中央卸売市場大田市場における実験を通して提案法は，高騰価格帯ならびに通常価格帯においても正確に卸売価格を予測して植物工場の売り上げの向上に貢献することを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper proposes a novel approach for forecasting weekly wholesale prices for lettuces to adjust cultivation planning in plant factories. The proposed method introduces a wholesale price model in which the price of leafy vegetables is determined by factors such as the cost of living, season, and weather conditions. We extract signals corresponding to these elements using singular spectrum analysis and forecast their future values using regression models. The autoregressive sum moving average model is utilized for the cost of living and season-related signals, and the long short-term memory model is used for weather-related signals. Finally, adding these future values, the proposed method predicts wholesale prices for several weeks. A challenge arises when datasets include sudden price spikes, affecting average price range forecasting. We develop two datasets: one interpolated price spikes using Hermite interpolation for average price predictions and another without interpolation for price spike predictions. A decision tree identifies which price range the week to be forecast belongs to and outputs the forecast values using the corresponding dataset. Through experiments at the Tokyo Central Wholesale Market (Ota Market), we demonstrate that the proposed method accurately forecasts wholesale prices in both price spikes and average price ranges, contributing to increased revenue for plant factories.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 66, 号 1, p. 129-138, 発行日 2025-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764
• 公開者 / 言語: ja
• 公開者 / 出版者: 情報処理学会