Journal of Navigation and Port Research (한국항해항만학회지)

Korean Institute of Navigation and Port Research (한국항해항만학회)
권호 표지
DOI QR코드

DOI QR Code

A study on the forecast of port traffic using hybrid ARIMA-neural network model

하이브리드 ARIMA-신경망 모델을 통한 컨테이너물동량 예측에 관한 연구

  • 신창훈 (한국해양대학교 물류시스템학과) ;
  • 강정식 (한국해양대학교 물류시스템학과) ;
  • 박수남 (한국해양대학교 물류시스템학과) ;
  • 이지훈 (한국해양대학교 물류시스템공학과 대학원)
  • Published : 2008.03.01
Download PDF
⟨ Previous Next ⟩

Abstract

The forecast of a container traffic has been very important for port plan and development. Generally, statistic methods, such as regression analysis, ARIMA, have been much used for traffic forecasting. Recent research activities in forecasting with artificial neural networks(ANNs) suggest that ANNs can be a promising alternative to the traditional linear methods. In this paper, a hybrid methodology that combines both ARIMA and ANN models is proposed to take advantage of the unique strength of ARIMA and ANN models in linear and nonlinear modeling. The results with port traffic data indicate that effectiveness can differ according to the characteristics of ports.

컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.

Keywords

References

  1. 박성영, 이철영(2002), "신경망을 이용한 컨테이너 물동량 예측에 관한 연구," 한국항해항만학회지 제 26권 제2호, pp.183-188. https://doi.org/10.5394/KINPR.2002.26.2.183
  2. 송일호, 정우수(2002), "SAS와 E-VIEWS를 이용한 계량경제실증분석," 삼영사, pp.317-318.
  3. 전찬영, 송주미(2007), "인공신경망모형의 항만물동량 예측 적용에 관한 연구," 해운물류연구 제53호, pp.65-82.
  4. 지원철(1995), "신경망을 이용한 시계열 분석 : M1- Competition Data에 대한 예측성과 분석," 한국전문가시스템학회지 창간호, pp.135-148.
  5. 최봉호(2005), "수출입 컨테이너화물량의 예측," 국제통상연구 제 10권 제2호, pp.121-140.
  6. 해운항만 물류 정보센터, www.spidc.go.kr.
  7. Box, G. E. P. and Jenkins, G. M.(1976), "Time series Analysis Forecasting and Control," Holden-Day, San Francisco.
  8. G. Peter Zhang(2003), "Time series forecasting using a hybrid ARIMA and neural network model," Neurocomputing 50, pp.159-175. https://doi.org/10.1016/S0925-2312(01)00702-0
  9. Harvey, A. C.(1984), "A Unified View of Statical Forecasting Procedures," Journal of Forecasting, Vol. 3, pp.245-275. https://doi.org/10.1002/for.3980030302
  10. Lapedes, A. & Farber, R.(1987), "Nonlinear Signal Processing Using Neural Networks Prediction and System Modeling," Los Almos National Laboratory Report, LA-UR-87-2662.
  11. Nelson, C. R. and Plosser, C. I.(1982), "Trends and Random Walks in Macroeconomic Time Series: Some Evidence and Implications," Journal of Monetary Economics, 10 pp. 139-162. https://doi.org/10.1016/0304-3932(82)90012-5
  12. Makridakis, S., Anderson, A., Carbone, R., Fildes, R., Hibdon, M., Lewandowski, R. Newton, J., Parzen, E. and Winkler, R. (1982), "The accuracy of extrapolation (time series) methods: results of a forecasting competition," Journal of Forecasting, Vol 9, pp.5-29.

Cited by

  1. A Forecast Method of Marine Traffic Volume through Time Series Analysis vol.19, pp.6, 2013, https://doi.org/10.7837/kosomes.2013.19.6.612
  2. A Prediction of Marine Traffic Volume using Artificial Neural Network and Time Series Analysis vol.20, pp.1, 2014, https://doi.org/10.7837/kosomes.2014.20.1.033
  3. Forecasting the Korea's Port Container Volumes With SARIMA Model vol.32, pp.6, 2014, https://doi.org/10.7470/jkst.2014.32.6.600
  4. A Study on Estimating Container Throughput in Korean Ports using Time Series Data vol.40, pp.2, 2016, https://doi.org/10.5394/KINPR.2015.40.2.57