캡스톤 디자인(2)
web url http://justick.iptime.org/
Front https://github.com/Cha-nu/Justick_front/
server https://github.com/Cha-nu/Justick_server
system https://github.com/Cha-nu/Justick_system
AI https://github.com/wjyi0615/Justick_AI
작물별 시계열 특성에 따라 최적화된 모델을 자동 선택하고,
단기 추세와 계절성까지 반영하는 지능형 농산물 예측 플랫폼입니다.
딱대(Justick) 는 국내 최대 도매시장인 가락시장의 농산물 시세 데이터를 기반으로,
소비자와 판매자, 유통업자, 정책 입안자에게 내일의 도매가를 예측하여 제공하는 머신러닝 기반 예측 플랫폼입니다.
- 원하는 농산물 도매 시세 정보 조회
- 과거 시세 변동 추이 시각화 (월별 그래프 제공)
- 작물에 따라 DLinear, XGBoost, LSTM+EWC, DoubleAdapt 등 맞춤형 모델 자동 적용
- LSTM + EWC 기반 지속학습(Continual Learning) 으로 매일 업데이트되는 데이터를 반영
- 1일, 7일, 28일 단위 예측 결과 제공
- 시계열 데이터를 처리하기 위한 순환 신경망(RNN)의 확장 모델
- 가격, 물량, 격차 등 시간에 따른 변화를 모델링하는 데 강점을 가짐
- 기존 학습 정보를 잊지 않도록 제약을 거는 손실 함수
- 새로운 날짜가 추가될 때마다, 기존 모델의 중요한 파라미터를 보존하면서 점진적 학습
- 시계열 데이터를 trend + seasonal 성분으로 분해 후 각각 선형 예측
- 패턴이 명확하고 반복적인 작물에 경량/고속 처리에 적합
- 데이터 수가 적고 불확실성이 높은 작물을 위한 메타러닝 기반 적응 예측
- 작물마다 모델을 few-shot 방식으로 빠르게 적응
- 데이터 출처: 가락시장 농산물 도매가
- 사용 대상: 양파, 배추, 무, 감자, 고구마, 토마토(HIGH,Speacial 등급)
- 주요 입력 피처:
- intake (반입량)
- gap (전일대비 반입 격차)
- price_diff (이전일 대비 가격 차이)
- rolling_mean / rolling_std (3일 이동 평균 및 표준편차)
- sin_day / cos_day (연중 주기 특성)
| 영역 | 기술 |
|---|---|
| 프론트엔드 | React, Figma |
| 백엔드 | Spring Boot, MySQL |
| 머신러닝 | Python, PyTorch, Pandas, Scikit-learn |
| 배포 | AWS EC2, Docker, Kubernetes |
| 이름 | 역할 |
|---|---|
| 이우중 | 데이터 분석 / 머신러닝 |
| 배성빈 | 프론트엔드 / 머신러닝 |
| 이찬우 | 백엔드 / 데이터 처리 |
-
EWC
Overcoming catastrophic forgetting in neural networks, Kirkpatrick et al., 2017 (PNAS)
👉 arXiv:1612.00796 -
DLinear
Time Series is a Special Sequence: Forecasting with Decomposition and Graph Neural Networks, Zeng et al., NeurIPS 2022
👉 arXiv:2210.03629 -
DoubleAdapt
Few-shot Adaptive Time Series Forecasting via Meta-Learning, Zhang et al., ICLR 2023
👉 arXiv:2210.10088 -
XGBoost
XGBoost: A Scalable Tree Boosting System, Chen & Guestrin, KDD 2016
👉 ACM Digital Library