컨테이너물동량 예측에 있어 유전알고리즘을 이용한 인공신경망 적용에 관한 연구

Abstract

본 연구에서는 비선형예측기법으로서 많은 관심을 받고 있는 인공신경망을 사용하여 컨테이너물동량 예측을 수행했으며, 이를 전통적인 예측기법 중 하나인 ARIMA모형과 비교하였다. 인공신경망을 적용할 때 문제점이 되는 것 중 하나인 네트워크 구조설계에 있어 기존의 선행연구들은 이론적으로 정립된 방법이 아닌 경험이나 실험에 바탕을 둔 방법론을 사용하는데, 본 연구에서 그 대안으로 인공신경망의 구조설계 문제에 있어 방대하며 복잡한 탐색공간에 효과적으로 알려진 유전알고리즘(GA)을 사용하였다. 그리고 인공신경망의 대표적인 모형인 다층퍼셉트론(MLP)의 대안으로 시간지연네트워크(TDNN)를 사용하였고, 최종적으로 선형기법인 ARIMA모형과 인공신경망모형의 장점들을 결합한 Hybrid ARIMA-ANN을 사용해 인공신경망의 예측력을 높였다.

On this study, the artificial neural network(ANN), one of the most popular nonlinear forecasting methods, is compared with autoregressive integrated moving average(ARIMA) model through performing a prediction of container traffic. The existing studies have been used the rule of thumb in topology design for network which had a great effect on forecasting performance of the artificial neural network. However, this study applies the genetic algorithm, known as the effectively optimal algorithm in the huge and complex sample space, as the alternative. And we use the time delayed neural network(TDNN) instead of multi-layer perceptron(MLP) which is the most popular neural network model. Finally, we use the hybrid methodology that combines both the linear ARIAM and the nonlinear ANN models, and compare the methodology with other models in performance for prediction.