$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

SARIMA 모형을 이용한 우리나라 항만 컨테이너 물동량 예측

Forecasting the Korea's Port Container Volumes With SARIMA Model

초록

본 연구는 SARIMA 모형을 활용하여 기존에 다루어지지 않았던 분기별 항만 컨테이너 물동량을 예측하였다. 구체적으로 모델 추정에 활용된 자료는 1994년 1사분기부터 2010년 4사분기까지 총 84분기동안의 국내 전체 항만 컨테이너 물동량 자료이다. 본 연구에서 추정된 예측 모형의 예측 정확도를 검증하기 위하여 2011년 1사분기부터 2013년 4사분기까지 물동량을 예측하여 실제 물동량과 비교하였다. 또한 기존에 널리 활용되고 있는 ARIMA 모형을 활용하여 추정한 예측 모형과의 비교를 통해 분기별 항만 물동량 예측에 있어서 SARIMA 모형의 상대적 우수성을 검증하였다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점이 맞추어져 있다. 또한 월별, 연도별 물동량 자료가 활용된 경우가 대부분이다. 분기별 항만 컨테이너 물동량 자료를 활용하여 단기 수요를 예측함과 동시에 SARIMA 모형의 우수성을 입증한 본 연구는 충분한 가치가 있다고 판단된다.

Abstract

This paper develops a model to forecast container volumes of all Korean seaports using a Seasonal ARIMA (Autoregressive Integrated Moving Average) technique with the quarterly data from the year of 1994 to 2010. In order to verify forecasting accuracy of the SARIMA model, this paper compares the predicted volumes resulted from the SARIMA model with the actual volumes. Also, the forecasted volumes of the SARIMA model is compared to those of an ARIMA model to demonstrate the superiority as a forecasting model. The results showed the SARIMA Model has a high level of forecasting accuracy and is superior to the ARIMA model in terms of estimation accuracy. Most of the previous research regarding the container-volume forecasting of seaports have been focussed on long-term forecasting with mainly monthly and yearly volume data. Therefore, this paper suggests a new methodology that forecasts shot-term demand with quarterly container volumes and demonstrates the superiority of the SARIMA model as a forecasting methodology.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
SARIMA 기법
예측에 활용할 시계열 자료를 가지고 SARIMA 기법을 활용하여 장래 수요를 예측하기 위해서는 어떤 과정을 거치게 되는가?
식별(Identification), 추정(Estimation), 진단(Diagnostic), 예측(Forecasting)의 4단계

예측하고자 하는, 즉 예측에 활용할 시계열 자료를 가지고 SARIMA 기법을 활용하여 장래 수요를 예측하기 위해서서는 Figure 1에 나타난 바와 같이 식별(Identification), 추정(Estimation), 진단(Diagnostic), 예측(Forecasting)의 4단계를 거치게 된다.

장기예측
현재까지 진행되어진 대부분의 항만분야 수요예측은 장기예측에 초점이 맞추어져온 이유는?
항만분야 수요예측이 주로 항만 내 하드웨어 확장 등을 위함이 예측의 주요 목적이었기 때문

그러나 현재까지 진행되어진 대부분의 항만분야 수요예측은 장기예측에 초점이 맞추어져 왔다. 항만분야 수요예측이 주로 항만 내 하드웨어 확장 등을 위함이 예측의 주요 목적이었기 때문이다. 이러한 이유로 대부분의 항만분야 수요예측은 5년, 혹은 10년 단위의 장기예측이 주로 이루어졌고, 경우에 따라서 1년 단위로 장기간의 수요예측들이 진행되어왔다.

SARIMA 모형
SARIMA 모형은 기존 ARIMA 모형에서 무엇을 보완하였는가?
SAR항과 SMA항을 추가함으로써, 시계열자료의 계절성, 혹은 주기성을 감안할 수 없는 ARIMA 모형의 한계점을 극복

식(1)과 식(3)를 비교하여 보면, SARIMA모형은 ARIMA모형에 SAR항과 SMA항이 추가된 형태인 것을 알 수 있다. 즉, SARIMA 모형은 기존 ARIMA 모형에서 SAR항과 SMA항을 추가함으로써, 시계열자료의 계절성, 혹은 주기성을 감안할 수 없는 ARIMA 모형의 한계점을 극복할 수 있는 것이다6). 만약 SARIMA 모형에서 SAR항과 SMA항의 차수, 그리고 계절차분의 차수가 모두 ‘0’일 경우, 즉, P와 Q, 그리고 D의 값이 모두 ‘0’일 경우, 모델은 ARIMA(p,d,q)와 같아지게 된다.

질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. 1. Box G. E. P., Jenkins G. M., Reinsel G. C. (1976), Time Series Analysis, Forecasting and Control, Sanfrancisco; Holden Day. 
  2. 2. Chen S. H., Chen J. N. (2010), Forecasting Container Throughputs at Ports Using Genetic Programming, Expert Systems with Applications, 37, 2054-2058. 
  3. 3. Chou C. C., Chu C. W., Liang G. S. (2008), A Modified Regression Model for Forecasting the Volumes of Taiwan's Import Containers, Mathematical and Computer Modelling, 47, 797-807. 
  4. 4. Dickey D. A., Fuller W. A. (1979), Distribution of the Estimators for Autoregressive Time Series with a Unit Root, Journal of the American Statistical Association, 74(366), 427-431. 
  5. 5. Hylleberg S., Engle R. F., Granger C. W. J., Yoo B. S. (1990), Seasonal Integration and Cointegration, Journal of Econometrics 44, 215-238. 
  6. 6. Kim C. B. (2007), Forecasting the Trading Volumes of Marine Transport and Ports Logistics Policy-Using Multiplicative Seasonal ARIMA Model, Journal of Korea Port Economic Association, 23(1), 149-162. 
  7. 7. Kim J. K. et al. (2011), A Study on Forecasting Container Volume of Port Using SD and ARIMA, Journal of Navigation and Port Research International Edition, 35(4), 343-349. 
  8. 8. Lee J. M., Kwon Y. J. (2011), A Study on Dynamic Change of Transportation Demand Using Seasonal ARIMA Model, J. Korean Soc. Transp., 29(5), Korean Society of Transportation, 139-155. 
  9. 9. Min K. C., Jun Y. I., Ha H. K. (2013), Forecasting the Air Cargo Demand With Seasonal ARIMA Model: Focusing on ICN to EU Route, J. Korean Soc. Transp., 31(3), Korean Society of Transportation, 3-18. 
  10. 10. Peng W. Y., Chu C. W. (2009), A Comparison of Univariate Methods for Forecasting Container Throughput Volumes, Mathematical and Computer Modelling, 50, 1045-1057. 
  11. 11. Shin C. H. et al. (2008), A Study on the Forecast of Port Traffic Using Hybrid ARIMA-Neural Network Model, Journal of Navigation and Port Research, 31(1), 81-88. 
  12. 12. Wu S. (2010), Lag Length Selection in DF-gls Unit Root Tests, Communications in Statistics-Simulation and Computation, 39(8), 1590-1604. 
  13. 13. Yi G. D. (2013), Forecasting the Container Throughput of the Busan Port using a Seasonal Multiplicative ARIMA Model, Journal of Korea Port Economic Association, 29(3), 1-23. 

이 논문을 인용한 문헌 (4)

  1. 1. 전준우, 정길수, 공정민, 여기태 2016. "정기선사의 컨테이너 재고 수요예측모델 구축에 대한 연구" 한국항만경제학회지 = Journal of Korea Port Economic Association, 32(4): 1~13 
  2. 2. 안국산, 고용기, 노진호 2016. "중국 지린성 대상의 자루비노항 경유물동량 전망" 통상정보연구 = International commerce and information review, 18(1): 81~105 
  3. 3. 김기영, 남태현, 공정민, 여기태 2017. "EMU(Empty Management Unit)의 운영현황 및 개선방안에 관한 연구" 디지털융복합연구 = Journal of digital convergence, 15(12): 273~282 
  4. 4. 하준수, 나준호, 조광휘, 하헌구 2021. "시계열 분석 기반 신뢰구간 추정을 활용한 항만 물동량 이상감지 방안" 한국항만경제학회지 = Journal of Korea Port Economic Association, 37(1): 179~196 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답