March 3, 2026

Deep Learning-based Multivariate LSTM Approach for Forecasting Export and Import Container Throughput at Busan Port

Key Points

The proposed multivariate LSTM reduces mean absolute error (MAE) by 28.7% for exports and 26.6% for imports, proving superior prediction accuracy.
For mean absolute percentage error (MAPE), the model achieves lower rates of 4.07% for exports and 4.18% for imports than NeuralProphet and SARIMA.
The analysis incorporates external variables like exchange rates and industrial production indices to enhance prediction accuracy.
Findings suggest significant improvements in forecasting capabilities for container throughput, highlighting the model's effectiveness.

Abstract

본 연구는 부산항의 월별 컨테이너 물동량을 예측하기 위해 수출·수입 흐름을 동시에 모델링하는 다변량 LSTM 프레임워크를 개발하였다. 이 모델은 환율, 산업생산지수, 월별 공휴일 수 등 외생 변수를 포함하여 12개월 다중 시계열 예측을 수행한다. 2011년부터 2025년까지의 데이터를 활용해 SARIMA 및 NeuralProphet과 비교한 결과, 제안된 M-LSTM은 수출에서 각각 28.7% 및 24.4%, 수입에서 26.6% 및 23.9%의 MAE 감소를 보여 더 높은 예측 정확도를 입증하였다. MAPE 역시 수출 4.07%, 수입 4.18%로, 두 비교 모델보다 낮은 값을 기록하였다. 또한 비선형적 계절성, 시계열의 변동성, 그리고 수출·수입 물동량 간 구조적 상호의존성을 효과적으로 포착한다. 본 연구는 수출·수입을 통합적으로 예측하는 딥러닝 기반 접근을 제안하고, 전통적 및 하이브리드 예측 모델 대비 그 우수성을 실증적으로 입증했다는 점에서 학문적 기여를 가진다.

Connected Papers

Building similarity graph...

Analyzing shared references across papers

Discussion

Authors

Kyeongmin Yum

Journals

The Journal of Korean Institute of Information Technology

Actions

References and Citations

Connected Papers

Building similarity graph...

Analyzing shared references across papers

Deep Learning-based Multivariate LSTM Approach for Forecasting Export and Import Container Throughput at Busan Port

Key Points

Abstract

Citation Network

Connected Papers

Discussion

Authors

Journals

Actions

References and Citations

Citation Network

Connected Papers

Discussion

Cite this study

Also consider

Also consider