선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 측면에서 본 연구는 중국 컨테이너 물동량 예측모델을 제시하는 것을 연구의 목적으로 하였다. 본 연구는 다음과 같이 구성된다.
제안 방법
- 중국 컨테이너 물동량 예측을 위해 수입과 수출로 구분한 데이터를 활용하였다[3]. Stock-Flow 다이어그램을 통해 중국 컨테이너 물량을 수입과 수출로 구분하여 예측하고, 실제 데이터와 비교하여 모델의 정확성을 검증하고자 한다. 이를 위해 사용된 식은 아래와 같다.
- xTrade는 수입·수출 컨테이너 물동량을 의미한다. 각 변수의 Parameter 값은 Vensim의 calibration 기능을 이용해 최적화 값을 계산했다.
- 시뮬레이션 기간은 2004년부터 2020년까지다. 실제 중국 컨테이너 물동량 데이터와 stock-flow 다이어그램을 통해 도출된 예측값을 비교하여 모델의 정확도를 검증했다. 검증결과, 수·출입 컨테이너 예측모델은 MAPE값이 각 각 6.
- 컨테이너 물동량 실적 세계 10위권 항만 중 중국항만 7개가 순위에 오를 만큼 중국의 컨테이너 물동량은 전 세계 컨테이너 물동량의 많은 비중을 차지하고 있다. 이러한 측면에서 본 연구는 System dynamics를 이용하여 변수 간의 정적관계를 규명하고, 중국 컨테이너 물동량을 수입과 수출로 구분하여 정확한 예측 모델을 제시하였다는 것에 연구의 차별성이 있다.
- Li et al [7]은 단일 예측모델을 사용하여 화물 물동량을 정확하게 예측하는 것은 다수의 불확실성 때문에 어렵다고 주장하였다. 저자는 결합 예측모델을 사용하여 중국 난찬항의 물동량을 예측했다. 분석에 사용된 모델은 Alogarithm secondary exponential smoothing model, Neural network model, Grey model, Secondary exponential smoothing mode, Unitary non-linearity regression model을 혼합하여 사용하였다.
- Xie et al [13]은Least Squares Support Vector Regression(LSSVR) 모델에 SARIMA-LSSVR, SD-LSSVRCD-LSSVR 3 개의 결합 예측모델을 사용하여 상하이와 선전항의 컨테이너 물동량을 예측했다. 특히, 컨테이너 예측에 중요한 요소인 계절성을 모형에 반영하여 예측을 시도하였다.
대상 데이터
- Abd-Elaal et al [1]은 Multivariate-Factors fuzzy time series 모형을 이용해 이집트 수입 밀 물동량을 예측했다. 1986년에서 2008년의 CAPMAS에서 발표된 공식 데이터를 사용했다. 회귀 분석, ARIMA 및 신경망과 비교하여 Multivariate-Factors fuzzy time series 모형을 평가했다.
- 분석 데이터는 Clarkson’s Shipping Intelligence Network를 통해 수집했으며, 시뮬레이션 기간은 2004년부터 2020년까지다.
- 분석을 위해 사용된 방법론은 System dynamics이며, 2004년 1월～2015년 12월까지 12년간의 월간 데이터를 사용하였다. 시뮬레이션 기간은 2004년부터 2020년까지다.
- 모델 예측결과 중국 수출 컨테이너 물동량은 2017년 234,582,164 TEU, 2018년 239,552,772 TEU, 2019년 243,850,813 TEU, 2020년 247,545,025 TEU으로 예측되었다. 수입 컨테이너 물동량은 2017년 130,173,848 TEU, 2018년 133,360,845 TEU, 2019년 136,230,526 TEU, 2020년 138,800,142 TEU으로 예측되었다.
- 중국 컨테이너 물동량 예측을 위해 분석에 사용된 데이터는 2004년 1월～2015년 12월까지 12년간의 월간 데이터이다. 분석 데이터는 Clarkson’s Shipping Intelligence Network를 통해 수집했으며, 시뮬레이션 기간은 2004년부터 2020년까지다. 중국 컨테이너 물동량 예측을 위해 수입과 수출로 구분한 데이터를 활용하였다[3].
- 중국 컨테이너 물동량 예측을 위해 분석에 사용된 데이터는 2004년 1월～2015년 12월까지 12년간의 월간 데이터이다. 분석 데이터는 Clarkson’s Shipping Intelligence Network를 통해 수집했으며, 시뮬레이션 기간은 2004년부터 2020년까지다.
- 분석 데이터는 Clarkson’s Shipping Intelligence Network를 통해 수집했으며, 시뮬레이션 기간은 2004년부터 2020년까지다. 중국 컨테이너 물동량 예측을 위해 수입과 수출로 구분한 데이터를 활용하였다[3]. Stock-Flow 다이어그램을 통해 중국 컨테이너 물량을 수입과 수출로 구분하여 예측하고, 실제 데이터와 비교하여 모델의 정확성을 검증하고자 한다.
데이터처리
- 다섯 번째 단계인 ‘정책설정 및 평가’에서는 인과지도와 Stock-flow 다이어그램을 사용하여 문제를 분석하고 해결한다.
- 실제 중국 컨테이너 물동량 데이터와 Stock-flow 다이어그램을 통해 도출된 예측값을 비교하여 모델의 정확도를 검증했다. 이를 위해 MAPE (Mean Absolute Percentage Error) 방법을 도입하였다.
이론/모형
- Guo et al [5]은 Grey system model의 단점으로 예측의 다양한 편차가 있어 예측 결과는 현실에 적용할 수 없다고 주장했다. 따라서 항만 물동량을 예측하는 오류를 줄이기 위해 Grey verhulus 모델을 제시했다. Grey verhulus 모델을 통해 항만 물동량을 예측한 결과 Grey system 모델보다 정확한 것으로 분석되었다.
- 저자는 결합 예측모델을 사용하여 중국 난찬항의 물동량을 예측했다. 분석에 사용된 모델은 Alogarithm secondary exponential smoothing model, Neural network model, Grey model, Secondary exponential smoothing mode, Unitary non-linearity regression model을 혼합하여 사용하였다.
- 시스템 다이내믹스 모델링 프로세스는 Sterman(2000)이 제안한 5개의 단계로 구성되어 있다[11]. 첫 번째 단계인 ‘문제의 개념화’는 문제의 대상 및 목표를 정한다.
- 실제 중국 컨테이너 물동량 데이터와 Stock-flow 다이어그램을 통해 도출된 예측값을 비교하여 모델의 정확도를 검증했다. 이를 위해 MAPE (Mean Absolute Percentage Error) 방법을 도입하였다.
- Shibasaki and Watanabe [10]는 APEC 국가의 발전을 위한 무역 자유화와 수송 효율화에 관한 연구를 수행하였다. 이를 위해 저자는 GTAP (Global Trade Analysis Project)라는 예측모델을 재설계했으며, 예측을 위해 RunGTAP 소프트웨어를 사용했다. 제안된 모델은 국제 화물수송에 미치는 무역 및 운송정책 영향의 정량화가 가능하다.
- 1986년에서 2008년의 CAPMAS에서 발표된 공식 데이터를 사용했다. 회귀 분석, ARIMA 및 신경망과 비교하여 Multivariate-Factors fuzzy time series 모형을 평가했다. 분석결과 Multivariate-Factors fuzzy time series 모형이 다른 3 개의 모형보다 정확한 것으로 분석되었다.
성능/효과
- 따라서 항만 물동량을 예측하는 오류를 줄이기 위해 Grey verhulus 모델을 제시했다. Grey verhulus 모델을 통해 항만 물동량을 예측한 결과 Grey system 모델보다 정확한 것으로 분석되었다.
- 검증결과, 수·출입 컨테이너 예측모델은 MAPE값이 각 각 6.21 %, 7.68 %로 매우 정확 예측모델로 나타났다.
- 회귀모델은 이전 PMB 예측을 기반으로 개발되었으며, 홍콩항의 물동량은 점차 증가하는 것으로 분석되었다. 또한, 홍콩항의 물동량은 과거 수십 년 동안 외부경제 사이클에 큰 영향을 받지 않는 것으로 나타났다.
- 68 %로 매우 정확 예측모델로 나타났다. 모델 예측결과 중국 수출 컨테이너 물동량은 2017년 234,582,164 TEU, 2018년 239,552,772 TEU, 2019년 243,850,813 TEU, 2020년 247,545,025 TEU으로 예측되었다. 수입 컨테이너 물동량은 2017년 130,173,848 TEU, 2018년 133,360,845 TEU, 2019년 136,230,526 TEU, 2020년 138,800,142 TEU으로 예측되었다.
- 회귀 분석, ARIMA 및 신경망과 비교하여 Multivariate-Factors fuzzy time series 모형을 평가했다. 분석결과 Multivariate-Factors fuzzy time series 모형이 다른 3 개의 모형보다 정확한 것으로 분석되었다.
- 이를 위해 저자는 GTAP (Global Trade Analysis Project)라는 예측모델을 재설계했으며, 예측을 위해 RunGTAP 소프트웨어를 사용했다. 제안된 모델은 국제 화물수송에 미치는 무역 및 운송정책 영향의 정량화가 가능하다. 또한 APEC 지역 전체의 상호발전을 위한 개별경제 활동을 모델에 반영할 수 있다.
- Seabrooke et al [9]은 회귀분석을 통해 홍콩항의 물동량을 예측했다. 회귀모델은 이전 PMB 예측을 기반으로 개발되었으며, 홍콩항의 물동량은 점차 증가하는 것으로 분석되었다. 또한, 홍콩항의 물동량은 과거 수십 년 동안 외부경제 사이클에 큰 영향을 받지 않는 것으로 나타났다.
후속연구
- 하지만 중국 컨테이너 물동량에 영향을 미치는 다양한 변수를 고려하지 못한 한계점이 존재한다. 향후 연구에서는 이러한 점을 반영하여 더욱 정확한 예측모델을 개발할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.