• Journal of Information Processing Systems
• /
• 제15권2호
• /
• pp.305-319
• /
• 2019

The prediction of the sum of container is very important in the field of container transport. Many influencing factors can affect the prediction results. These factors are usually composed of many variables, whose composition is often very complex. In this paper, we use gray relational analysis to set up a proper forecast index system for the prediction of the sum of containers in foreign trade. To address the issue of the low accuracy of the traditional prediction models and the problem of the difficulty of fully considering all the factors and other issues, this paper puts forward a prediction model which is combined with a back-propagation (BP) neural networks and the support vector machine (SVM). First, it gives the prediction with the data normalized by the BP neural network and generates a preliminary forecast data. Second, it employs SVM for the residual correction calculation for the results based on the preliminary data. The results of practical examples show that the overall relative error of the combined prediction model is no more than 1.5%, which is less than the relative error of the single prediction models. It is hoped that the research can provide a useful reference for the prediction of the sum of container and related studies.

• 한국식품저장유통학회지
• /
• 제20권3호
• /
• pp.289-295
• /
• 2013

차압예냉시스템을 설계하기 위해서는 송풍저항을 정확하게 예측해야 하며, 송풍저항은 청과물의 적재방법에 따라 크게 달라진다. 본 연구는 차압예냉시스템에서 송풍량에 따른 송풍저항식과 상자의 적재방법별로 송풍저항을 측정할 수 있는 모델을 개발하기 위하여 수행되었다. 공을 퇴적한 모형상자에서의 송풍저항은 빈 상자에서의 송풍저항과 공 퇴적층만의 송풍저항을 합한 값보다 1.5배 정도 높게 나타났다. 또한, 적재상자에서의 송풍저항은 통기폭 방향 적재상자수의 증가에 따라 지수적으로 증가하였으나, 적재길이와 적재높이의 영향은 거의 받지 않았다. 상자를 2열로 적재하는 차압예냉시스템에서 송풍저항은 1개 상자에서의 송풍저항을 기초로 예측이 가능하였으며, 예측모델을 제시하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1094-1095
• /
• 2023

우리나라는 지리적 여건 상 대외무역에 대한 의존도가 높기 때문에, 해상운송에서의 물동량을 예측하여 항만시설을 개발하는 것이 매우 중요하다. 한편 우리나라 컨테이너 운송의 75%는 부산항을 통해 운송되고 있기 때문에 경기 회복을 위해서는 부산항의 경쟁력 강화가 급선무이다. [1] 물동량은 경제적 수입 뿐만 아니라, 지속가능성을 예측하는 측면에서도 가치가 있다. 본 연구에서는 물동량, 경제지수, 기후정보 등 다양한 입력변수와 LSTM 모델을 이용하여 보다 정확한 부산항 컨테이너 물동량 딥러닝 예측모델을 구현하였다.