$\require{mediawiki-texvc}$
  • 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

LSTM을 활용한 부산항 컨테이너 물동량 예측

Forecasting the Container Volumes of Busan Port using LSTM

초록

해운항만물류산업은 세계 경제활동과 밀접한 관계를 가지고 있으며, 특히 무역의존도가 높은 우리나라의 항만 시설은 중요한 사회간접자본시설이다. 부산항은 우리나라 최대의 항만으로 우리나라 컨테이너 운송의 75%가 부산항을 통해 운송되고 있으며, 국가 경쟁력 측면에서 그 중요성은 매우 크다. 항만 물동량 예측은 항만 개발 및 운영 전략에 영향을 미치며, 정확도 높은 컨테이너 물동량 예측은 필수적이다. 하지만 오늘날 해운항만물류산업 환경의 급격한 변화로 인해 기존 시계열 예측 방법으로는 예측 정확도 향상에 어려움이 있다. 본 연구에서는 부산항 컨테이너 물동량 예측 정확도 향상을 위해 딥러닝 모형 중 LSTM 모형을 활용하여 컨테이너 물동량을 예측한다. 모형의 성능 평가를 위해서 SARIMA 모형과 LSTM 모형의 예측 정확도를 비교한다. 그 결과 LSTM 모형이 SARIMA 모형보다 예측 정확도가 높게 나타났으며, 예측치가 실측치의 특성을 반영하여 잘 나타나고 있음을 확인하였다.

Abstract

The maritime and port logistics industry is closely related to global trade and economic activity, especially for Korea, which is highly dependent on trade. As the largest port in Korea, Busan Port processes 75% of the country's container cargo; the port is therefore extremely important in terms of the country's national competitiveness. Port container cargo volume forecasts influence port development and operation strategies, and therefore require a high level of accuracy. However, due to unexpected and sudden changes in the port and maritime transportation industry, it is difficult to increase the accuracy of container volume forecasting using existing time series models. Among deep learning models, this study uses the LSTM model to enhance the accuracy of container cargo volume forecasting for Busan Port. To evaluate the model's performance, the forecasting accuracies of the SARIMA and LSTM models are compared. The findings reveal that the forecasting accuracy of the LSTM model is higher than that of the SARIMA model, confirming that the forecasted figures fully reflect the actual measurement figures.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
항만 물동량 예측
항만 물동량 예측이란?
항만 경쟁력 향상을 위한 중요한 요소이며, 항만 물동량 자료에 기초하여 시설 투자계획, 항만운영계획 등이 수립된다.

항만 물동량 예측은 항만 경쟁력 향상을 위한 중요한 요소이며, 항만 물동량 자료에 기초하여 시설 투자계획, 항만운영계획 등이 수립된다. 많은 선행 연구에서 ARIMA(Autoregressive integrated moving average) 모형, 인과모형, 회귀분석 등의 다양한 시계열 예측 모형을 활용하여 항만 물동량을 예측하였다.

시계열 예측 모형을 활용하여 항만 물동량을 예측
시계열 예측 모형을 활용하여 항만 물동량을 예측할 경우의 문제점은?
글로벌 금융위기 이후 항만 물동량 흐름의 변동성과 복잡성이 증가하였다. 또한 선박의 대형화, 기항지의 축소와 같은 해운항만물류산업의 급격한 변화로 인해 기존 시계열 예측 방법으로는 예측 정확도 향상에 어려움이 있다

많은 선행 연구에서 ARIMA(Autoregressive integrated moving average) 모형, 인과모형, 회귀분석 등의 다양한 시계열 예측 모형을 활용하여 항만 물동량을 예측하였다. 하지만 글로벌 금융위기 이후 항만 물동량 흐름의 변동성과 복잡성이 증가하였다. 또한 선박의 대형화, 기항지의 축소와 같은 해운항만물류산업의 급격한 변화로 인해 기존 시계열 예측 방법으로는 예측 정확도 향상에 어려움이 있다(Xie, et al., 2015).

항만 경쟁력
항만 경쟁력을 높이기 위해 요구되는 것은?
항만의 면적 대형화를 통해 취항 선사 수를 증가시키기 위한 항만의 관리 운영이 요구되며(신계선, 2007), 항만에 입항하는 선박이 신속하게 하역작업을 완료 하고 출항할 수 있도록 선박의 체선 시간을 줄이는 것이 항만 경쟁력의 중요한 요소로 이를 위해서는 항만 시설의 적절한 확장이 필요

또한 시설 확보가 시의적절하게 이루어지지 않는다면 물류비 상승, 수출입 경쟁력 약화, 사회적 손실 발생 등으로 항만 경쟁력이 하락한다(김범 중, 2010). 항만 경쟁력을 높이기 위해서는 항만의 면적 대형화를 통해 취항 선사 수를 증가시키기 위한 항만의 관리 운영이 요구되며(신계선, 2007), 항만에 입항하는 선박이 신속하게 하역작업을 완료 하고 출항할 수 있도록 선박의 체선 시간을 줄이는 것이 항만 경쟁력의 중요한 요소로 이를 위해서는 항만 시설의 적절한 확장이 필요하다(이민규, 2012).

질의응답 정보가 도움이 되었나요?

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 논문과 연관된 기능

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답