論文の概要: A Benchmark of Classical and Deep Learning Models for Agricultural Commodity Price Forecasting on A Novel Bangladeshi Market Price Dataset

• arxiv url: http://arxiv.org/abs/2604.06227v1
• Date: Fri, 27 Mar 2026 20:21:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.653727
• Title: A Benchmark of Classical and Deep Learning Models for Agricultural Commodity Price Forecasting on A Novel Bangladeshi Market Price Dataset
• Title（参考訳）: バングラデシュの新市場価格データセットに基づく農業商品価格予測のための古典的・深層学習モデルのベンチマーク
• Authors: Tashreef Muhammad, Tahsin Ahmed, Meherun Farzana, Md. Mahmudul Hasan, Abrar Eyasir, Md. Emon Khan, Mahafuzul Islam Shawon, Ferdous Mondol, Mahmudul Hasan, Muhammad Ibrahim,
• Abstract要約: AgriBDはバングラデシュの5つの商品の1日あたりの小売価格は1,779ドルである。 古典的モデルとディープラーニングアーキテクチャにまたがる7つの予測手法を評価する。 すべてのコード、モデル、データは公開され、レプリケーションと将来の予測研究をサポートする。
• 参考スコア（独自算出の注目度）: 1.9635288496224899
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate short-term forecasting of agricultural commodity prices is critical for food security planning and smallholder income stabilisation in developing economies, yet machine-learning-ready datasets for this purpose remain scarce in South Asia. This paper makes two contributions. First, we introduce AgriPriceBD, a benchmark dataset of 1,779 daily retail mid-prices for five Bangladeshi commodities - garlic, chickpea, green chilli, cucumber, and sweet pumpkin - spanning July 2020 to June 2025, extracted from government reports via an LLM-assisted digitisation pipeline. Second, we evaluate seven forecasting approaches spanning classical models - naïve persistence, SARIMA, and Prophet - and deep learning architectures - BiLSTM, Transformer, Time2Vec-enhanced Transformer, and Informer - with Diebold-Mariano statistical significance tests. Commodity price forecastability is fundamentally heterogeneous: naïve persistence dominates on near-random-walk commodities. Time2Vec temporal encoding provides no statistically significant advantage over fixed sinusoidal encoding and causes catastrophic degradation on green chilli (+146.1% MAE, p<0.001). Prophet fails systematically, attributable to discrete step-function price dynamics incompatible with its smooth decomposition assumptions. Informer produces erratic predictions (variance up to 50x ground-truth), confirming sparse-attention Transformers require substantially larger training sets than small agricultural datasets provide. All code, models, and data are released publicly to support replication and future forecasting research on agricultural commodity markets in Bangladesh and similar developing economies.
• Abstract（参考訳）: 農業商品価格の正確な短期予測は、発展途上国の食料安全保障計画や中小企業の所得安定化に欠かせないが、この目的のための機械学習対応データセットは南アジアでは乏しい。 この論文には2つの貢献がある。 まず、2020年7月から2025年6月にかけて、バングラデシュの5つの商品(ニンニク、チクピア、グリーンチリ、キュウリ、カボチャ)の1,779日間の小売中間価格のベンチマークデータセットであるAgriPriceBDを紹介します。 第2に、Diebold-Mariano統計学的意義試験により、古典モデルにまたがる7つの予測手法、すなわち、ナイーブ永続性、SARIMA、Prophet、およびディープラーニングアーキテクチャ(BiLSTM、Transformer、Time2Vec拡張トランスフォーマー、Informer)を評価する。 商品価格の予測性は基本的に異種であり、ナイーブの持続性がほぼランダムウォークの商品に支配されている。 Time2Vecの時間エンコーディングは、固定された正弦波エンコーディングに対して統計的に有意な優位性を持たず、グリーンチリ(+146.1% MAE, p<0.001)の破滅的な劣化を引き起こす。 預言は体系的に失敗し、その滑らかな分解仮定とは相容れない離散的なステップ関数の価格ダイナミクスに起因する。 Informerは、不安定な予測(50倍の地表面構造)を生成し、スパースアテンショントランスフォーマーが小さな農業データセットよりもかなり大きなトレーニングセットを必要とすることを確認した。 すべてのコード、モデル、データは、バングラデシュおよび同様の発展途上国における農業商品市場に関する、複製と将来の予測研究をサポートするために公開されている。

関連論文リスト

• Stock Market Prediction Using Node Transformer Architecture Integrated with BERT Sentiment Analysis [1.2362187555287152]
  本稿では,ノードトランスアーキテクチャとBERTに基づく感情分析を組み合わせた株価予測フレームワークを提案する。 提案モデルは,個々の株式がノードを形成し,エッジが関係をキャプチャするグラフ構造として,株式市場を表現している。 1982年1月から2025年3月までの20株のS&P500株に対する実験では、統合モデルが平均絶対パーセンテージ誤差(MAPE)を1日の予測で0.80%達成していることが示されている。
  論文  参考訳（メタデータ） (2026-03-06T05:15:22Z)
• A Granular Framework for Construction Material Price Forecasting: Econometric and Machine-Learning Approaches [2.7594090818615933]
  本研究では,構築仕様研究所 (CSI) MasterFormat を対象データ構造として活用する予測フレームワークを開発した。 予測精度を高めるため、このフレームワークは原材料価格、商品指数、マクロ経済指標などの説明変数を統合する。
  論文  参考訳（メタデータ） (2025-12-10T06:44:59Z)
• Forecasting Commodity Price Shocks Using Temporal and Semantic Fusion of Prices Signals and Agentic Generative AI Extracted Economic News [2.5165775267615205]
  本稿では、歴史的商品価格データと世界経済ニュースから派生した意味的信号を組み合わせたハイブリッド予測フレームワークを提案する。 このアーキテクチャは、二ストリーム長短期記憶(LSTM)ネットワークとアテンション機構を統合し、セマンティックに埋め込み、ファクトチェックされたニュース要約で構造化された時系列入力を融合する。 その結果,提案手法は平均AUCが0.94で,総合精度0.91が従来のベースラインを大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-07-24T20:52:47Z)
• Avocado Price Prediction Using a Hybrid Deep Learning Model: TCN-MLP-Attention Architecture [1.4838266358702548]
  逐次的特徴抽出にTCN(Temporal Convolutional Networks)、非線形相互作用にMLP(Multi-Layer Perceptrons)を組み合わせたハイブリッドディープラーニングモデルTCN-MLP-Attention Architectureを提案する。 提案モデルでは,RMSE 1.23 と MSE 1.51 で予測性能が向上し,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-05-15T02:26:22Z)
• Load Forecasting for Households and Energy Communities: Are Deep Learning Models Worth the Effort? [0.0]
  エネルギーコミュニティ(EC)は、地域需要のシフトと自己充足力の向上に重要な役割を果たしている。 データ駆動予測は注目されているが、多くの実践的な文脈ではまだ十分に調査されていない。 本研究は, 地域規模, 歴史的データ可用性, モデルの複雑さなど, 最先端のディープラーニングモデルの有効性を評価する。
  論文  参考訳（メタデータ） (2025-01-09T06:29:50Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)
• Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
  特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。 衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
  論文  参考訳（メタデータ） (2020-07-07T12:44:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。