우리나라의 경제발전은 무역을 주축으로 하고 있어 항만을 통한 물류가 필수적이다. 항만의 운영과 개발을 위해 막대한 자본과 시간이 투자되고 있으며 항만은 국가 경제 전반에 영향을 미치고 있다. 따라서 사회 경제적 손실을 방지하기 위해선 적정수준의 개발계획이 중요하다. 항만시설 계획은 항만 물동량 예측을 기반으로 수립되므로, 정확한 물동량 예측이 선행되어야 한다. 더불어 항만에서는 품목별로 취급 방식이 다르므로 품목별 예측이 이루어져야 구체적인 시설계획이 가능하다. 따라서 컨테이너 화물이나 항만 전체 물동량에 대해 주로 예측했던 선행 연구들과는 달리 본 논문에서는 전체 물동량에서 큰 비중을 차지하고 있는 유류화물을 분석 대상으로 설정하였다. 단기, 중장기의 주기적 특성과 추세를 갖고 있는 유류화물 물동량을 효율적으로 예측하고자 새로운 예측모형인 TSMR을 개발하였다. TSMR모형의 검증을 위해 기존의 시계열 모형들과 비교분석을 진행하였으며 ARIMA모형의 경우 물동량 데이터가 안정화되지 않아 유효한 결과를 산출할 수 없었다. 윈터스 가법, 단순계절모형과 비교하였을 때 단기적인 예측에는 다소 취약하였으나, TSMR모형의 전반적인 적합도와 예측력은 우수한 것으로 나타났다. 또한 철강, 유연탄, 기계류의 물동량 분석결과 TSMR모형의 일반화 가능성도 충분한 것으로 나타났다.
우리나라의 경제발전은 무역을 주축으로 하고 있어 항만을 통한 물류가 필수적이다. 항만의 운영과 개발을 위해 막대한 자본과 시간이 투자되고 있으며 항만은 국가 경제 전반에 영향을 미치고 있다. 따라서 사회 경제적 손실을 방지하기 위해선 적정수준의 개발계획이 중요하다. 항만시설 계획은 항만 물동량 예측을 기반으로 수립되므로, 정확한 물동량 예측이 선행되어야 한다. 더불어 항만에서는 품목별로 취급 방식이 다르므로 품목별 예측이 이루어져야 구체적인 시설계획이 가능하다. 따라서 컨테이너 화물이나 항만 전체 물동량에 대해 주로 예측했던 선행 연구들과는 달리 본 논문에서는 전체 물동량에서 큰 비중을 차지하고 있는 유류화물을 분석 대상으로 설정하였다. 단기, 중장기의 주기적 특성과 추세를 갖고 있는 유류화물 물동량을 효율적으로 예측하고자 새로운 예측모형인 TSMR을 개발하였다. TSMR모형의 검증을 위해 기존의 시계열 모형들과 비교분석을 진행하였으며 ARIMA모형의 경우 물동량 데이터가 안정화되지 않아 유효한 결과를 산출할 수 없었다. 윈터스 가법, 단순계절모형과 비교하였을 때 단기적인 예측에는 다소 취약하였으나, TSMR모형의 전반적인 적합도와 예측력은 우수한 것으로 나타났다. 또한 철강, 유연탄, 기계류의 물동량 분석결과 TSMR모형의 일반화 가능성도 충분한 것으로 나타났다.
Port logistics is essential for Korea's economy which heavily rely on international trade. Vast amounts of capital and time are consumed for the operation and development of ports to improve their competitiveness. Therefore, it is important to forecast cargo volume in order to establish the optimum ...
Port logistics is essential for Korea's economy which heavily rely on international trade. Vast amounts of capital and time are consumed for the operation and development of ports to improve their competitiveness. Therefore, it is important to forecast cargo volume in order to establish the optimum level of construction and development plan. Itemized forecasting is necessary for appropriate port planning, since disaggregate approach is able to provides more realistic solution than aggregate forecasting. We introduce a new time series model which is Two-way Seasonality Multiplied Regressive Model (TSMR) to forecast oil cargo volume, which accounts for a large portion of total cargo volume in Korea. The TSMR model is designed to take into account the characteristics of oil cargo volume which exhibits trends with short and long-term seasonality. To verify the TSMR model, existing forecasting models are also used for a comparison reason. The results shows that the TSMR excels the existing models in terms of forecasting accuracy whereas the TSMR displays weakness in short-term forecasting. In addition, it was shown that the TSMR can be applied to other cargoes that have trends with short- and long-term seasonality through testing applicability of the TSMR.
Port logistics is essential for Korea's economy which heavily rely on international trade. Vast amounts of capital and time are consumed for the operation and development of ports to improve their competitiveness. Therefore, it is important to forecast cargo volume in order to establish the optimum level of construction and development plan. Itemized forecasting is necessary for appropriate port planning, since disaggregate approach is able to provides more realistic solution than aggregate forecasting. We introduce a new time series model which is Two-way Seasonality Multiplied Regressive Model (TSMR) to forecast oil cargo volume, which accounts for a large portion of total cargo volume in Korea. The TSMR model is designed to take into account the characteristics of oil cargo volume which exhibits trends with short and long-term seasonality. To verify the TSMR model, existing forecasting models are also used for a comparison reason. The results shows that the TSMR excels the existing models in terms of forecasting accuracy whereas the TSMR displays weakness in short-term forecasting. In addition, it was shown that the TSMR can be applied to other cargoes that have trends with short- and long-term seasonality through testing applicability of the TSMR.
항만은 물류의 시작점으로 국가 경제 전반에 영향을 미치고 있는 주요 기간산업 시설이다(고용기외, 2008). 따라서 정부는 항만물동량 예측을 기반으로 10년 단위의 항만 개발계획을 수립하며, 이를 통해 항만별 발전방향을 제시하고 있다(김정훈, 2008).
항만 개발 계획이 정확한 물동량 예측모형을 기반으로 행해져야 하는 이유는 무엇입니까?
따라서 정부는 항만물동량 예측을 기반으로 10년 단위의 항만 개발계획을 수립하며, 이를 통해 항만별 발전방향을 제시하고 있다(김정훈, 2008). 항만개발을 위한 항만시설의 정비 및 확충에는 막대한 자본과 시간이 소요되므로 항만 개발 계획은 정확한 물동량 예측모형을 기반으로 해야한다(Woo et al., 2012).
항만 물동량 변화예측에 인과분석이 많이 사용되는데 이것의 단점은 무엇입니까?
항만 물동량의 변화는 외생변수의 영향을 배제할 수 없으므로 물동량 예측에 인과분석이 많이 사용된다. 하지만 이를 위해선 각각의 외생변수들에 대한 예측이 필요하며, 이 과정에서 예측의 오차범위가 커질 수 있다(민경창외, 2013). 시계열 분석의 경우 외생변수를 고려할 수 없다는 단점이 있지만, 인과분석에 비해 우수한 예측력을 보여준다(방지영, 2015).
참고문헌 (24)
고용기.김은지.신정용.김태호(2008), 인천항의 수출 적컨테이너화물 물동량 추정에 관한 연구, 한국항만경제학회, 제24권 제3호, 57-77.
김정훈(2008), 시계열 모형을 이용한 부산 북항의 물동량 예측, 한국항만경제학회, 제24권 제2호, 1-17.
한광종(2015), SPSS 활용 미래 예측과 시계열 분석 : 미래 예측 및 시계열 자료 분석에 필요한 기법들을 설명. 백산출판사.
한국해양수산개발원(2014), 2015년 품목별 항만물동량 예측보고서
해양수산부(2016) 제3차 전국 항만기본계획 수정계획(2016-2020).
Lewis, C. D.(1982). International and business forecasting methods. Butter-Worths, London.
Meindl,P. & Chopra,S.(2001). Supply Chain Management : Strategy, Planning And Operation, 5/e. Pearson Education India.
Van Dorsser, J.C.M., Wolters, M., & vanWee,B.(2012). A Very Long Term Forecast of the Port Throughput in the Le Havre - Hamburg Range up to 2100. EJTIR, 12(1), 88-110.
Xiao.J., Xiao.Y., Fu.J., & Lai.K.K.(2014). A transfer forecasting model for container throughput guided by discrete PSO. Journal of Systems Science and Complexity, 27(1),181-192.
Xie.G., Wang.S., Zhao.Y., & Lai.K.K.(2013). Hybrid approaches based on LSSVR model for container throughput forecasting : a comparative study. Applied Soft Computing, 13(5), 2232-2241.
Woo, S. H., Pettit, S., Beresford, A., & Kwak, D. W. (2012). Seaport research: A decadal analysis of trends and themes since the 1980s. Transport Reviews, 32(3), 351-377.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.