$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

SARIMA 모형을 이용한 우리나라 항만 컨테이너 물동량 예측
Forecasting the Korea's Port Container Volumes With SARIMA Model 원문보기

大韓交通學會誌 = Journal of Korean Society of Transportation, v.32 no.6, 2014년, pp.600 - 614  

민경창 (한국해양수산개발원 국제물류연구실) ,  하헌구 (인하대학교 물류전문대학원)

초록
AI-Helper 아이콘AI-Helper

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 ▼ AI-Helper 아이콘AI-Helper

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 pre...

주제어

#컨테이너 물동량 예측   #항만 컨테이너 물동량   #계절성 ARIMA   #수요예측   #계절단위근 검정   #단위근 검정  

질의응답

핵심어 질문 논문에서 추출한 답변
예측에 활용할 시계열 자료를 가지고 SARIMA 기법을 활용하여 장래 수요를 예측하기 위해서는 어떤 과정을 거치게 되는가? 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.
현재까지 진행되어진 대부분의 항만분야 수요예측은 장기예측에 초점이 맞추어져온 이유는? 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 모형은 기존 ARIMA 모형에서 무엇을 보완하였는가? 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. Box G. E. P., Jenkins G. M., Reinsel G. C. (1976), Time Series Analysis, Forecasting and Control, Sanfrancisco; Holden Day. 

  2. Chen S. H., Chen J. N. (2010), Forecasting Container Throughputs at Ports Using Genetic Programming, Expert Systems with Applications, 37, 2054-2058. 

    상세보기 crossref

  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. 

    상세보기 crossref

  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. Hylleberg S., Engle R. F., Granger C. W. J., Yoo B. S. (1990), Seasonal Integration and Cointegration, Journal of Econometrics 44, 215-238. 

    상세보기 crossref

  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. 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. 

    원문보기 상세보기 crossref

  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. 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. 

    원문보기 상세보기 crossref

  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. 

    상세보기 crossref

  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. 

    원문보기 상세보기 crossref

  12. Wu S. (2010), Lag Length Selection in DF-gls Unit Root Tests, Communications in Statistics-Simulation and Computation, 39(8), 1590-1604. 

    상세보기 crossref

  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. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로