Earticle

시계열 분석 소프트웨어로 국내에서도 많이 사용되는 X-13-ARIMA에서 제공하고 있는 계절이동평균필터($3{\times}3$, $3{\times}5$, $3{\times}9$, $3{\times}15$)가 외국과 다르게 불규칙한 변동이 많고 다양한 변동이 존재하는 한국의 경제 시계열에 적합한가라는 의문 속에서 새로운 계절이동평균필터들의 필요성이 제기되었다. 본 연구에서는 최근에 개발된 새로운 계절이동평균필터($3{\times}7$, $3{\times}11$)를 소개한다. 또한, 새롭게 작성된 계절이동평균필터를 국내의 경제 시계열에 적용하여 그 적합성과 안정성을 비교한 결과, 일부 시계열에서 새로운 계절이동평균필터들의 필요성이 발견되었다. 새로 개발된 계절이동평균필터를 활용하여 각 시계열에 맞는 적절한 계절조정방법을 사용하면 더욱 정확한 시계열분석을 할 수 있을 것이라 기대된다.

X-13-ARIMA (a popular time series analysis software) provides $3{\times}3$, $3{\times}5$, $3{\times}9$, $3{\times}15$ moving average filters for seasonal adjustment. However, there has been questions on their performance and the need for new filters is a constant topic due to Korean economic time series often containing higher irregularity and more various seasonality than other countries. In this study, two newly developed seasonal moving average filters, $3{\times}7$ and $3{\times}11$, are introduced. New filters were implemented in X-13-ARIMA and applied to 15 economic time series to demonstrate their suitability and reliability. The result shows that some series are more stable when using new seasonal moving average filters. More accurate time series analyses would be possible if newly proposed filters are used together with existing filters.

Accurate midterm load forecasting is essential to preventive maintenance programs and reliable demand supply programs. This paper describes a midterm load forecasting method using autoregressive integrated moving average (ARIMA) model which has been widely used in time series forecasting due to its accuracy and predictability. The various ARIMA models are examined in order to find the optimal model having minimum error of the midterm load forecasting. The proposed method is applied to forecast 104-week load pattern using the historical data in Korea. The effectiveness of the proposed method is evaluated by forecasting 104-week load from 2011 to 2012 by using historical data from 2002 to 2010.

2012년중 미국 상무부 센서스국에서 X-12-ARIMA와 TRAMO-SEATS를 동시에 이용할 수 있는 계절조정 프로그램인 X-13ARIMA-SEATS을 공개하였다. 미국을 포함한 각국통계작성기관은 X-12-ARIMA에서 X-13ARIMA-SEATS로 계절조정방법을 전환하여 계절조정통계를 작성해가고 있다. 따라서 우리나라에서도 X-12-ARIMA로부터 X-13ARIMA-SEATS로 계절조정방법을 전환하는 방안을 마련할 필요가 있다. 이 논문에서는 국민소득, 국제수지, 통화통계에 대해 X-13ARIMA-SEATS 프로그램을 통해 계절조정통계를 필터를 달리하여 작성한 후 이를 X-12-ARIMA에 의한 계절조정통계와 비교하였다. 비교 결과 X11필터를 적용한 X-13ARIMA-SEATS에 의한 계절조정은 X-12-ARIMA에 의한 계절조정과 차이가 작게 나타나 X-12-ARIMA로부터 X-13ARIMA-SEATS로의 빠른 전환이 가능할 것으로 판단된다.

The United States Census Bureau released a new version of X-13ARIMA-SEATS that integrates X-12-ARIMA with TRAMO-SEATS. This paper compares a seasonal adjusted series from X-13ARIMA-SEATS and those from X-12-ARIMA. An X11 filter and SEATS filter were used for the X-13ARIMA-SEATS. The result of the comparison suggests that seasonal adjusted series using X-13ARIMA-SEATS with the X11 filter are similar to those of X-12-ARIMA.

최근 들어 가뭄과 국지성 호우 등의 기상이변이 지속적으로 발생하고 있으며, 이는 국민 삶의 발전과 향상에 밀접한 관계가 있는 것으로 전세계적으로 이에 대한 관심이 증가하고 있는 추세이다. 특히 댐의 효율적 관리와 안정적인 운영은 홍수피해 방지, 안정적인 용수공급과 같은 국민 생활과 밀접한 관계를 가지고 있어 수자원의 효율적인 운영과 이용은 장기적인 관점을 통하여 수립해야 한다. 이와 같이 댐 유입량의 예측은 유출모형의 목적 중 중요한 부분으로 확정론적 모형이 시 혹은 일유량과 같은 매우 짧은 시간의 유출을 예측하는데 주로 사용되지만 이는 매개변수의 추정이 불가능하거나 실제유역에서의 측정이 불가능 할 경우에는 모형적용에 한계가 있다. 이에 반해 추계학적 모형에 의한 유출예측은 장기간의 유출을 과거자료의 통계학적 특성변수를 매개변수로 하여 예측하는 방법으로 모형의 적용에 필요한 매개변수가 적어 그 적용성이 간편한 장점이 있다. 본 연구에서는 계절형 ARIMA모형을 적용하여 과거자료의 적용범위, 매개변수의 산정, 적합성 판정에 대하여 판단하고, 이 모형이 월유입량의 예측에 적합한지를 검토하였다.

최근 들어 전 세계적으로 태풍과 가뭄 그리고 국지적인 호우 등의 기상변화로 인하여 수자원 종합적인 개발과 이용계획에 대한 전문적인 예측이 필요하다. 우리나라는 홍수기에 집중적인 강우 발생으로 인하여 평수기와 유입량 차이가 심한 수문특성을 가지고 있어 안정적인 수자원 공급에 대한 장기적인 관점에서 이수와 치수정책을 수립해야 한다. 본 연구는 1985년 1월부터 2008년 12월까지 24년에 해당하는 한정된 기간의 짧은 유출량 자료를 갖는 대청댐 유역에서의 시계열 유입량 특성을 Box-Jenkins모형 또는 ARIMA모형을 적용하여 추계학적 분석을 실시하였다. 월유입량과 같은 비정상성 시계열에 적용될 수 있는 적절한 추계학적 모형을 찾기 위하여 모형의 식별과 모형의 추정, 모형의 검진 등의 3단계에 걸친 분석을 실시하였다. 연구결과 대청댐 월유입량 예측모형으로 승법계절 ARIMA$(0,1,2){\times}(1,1,0)_{12}$이 유도되었으며, 이 모형으로 1, 3, 6, 12개월의 선행기간에 대한 실시간 유입량을 예측하였다. 예측된 유입량을 2008년 실측유입량과 비교한 결과 6개월에 대한 예측의 정확성이 가장 높게 나타났다. 또한 평수기와 홍수기를 구분한 예측도 실시하였으며, 평수기는 1개월 홍수기는 3개월 간격으로 예측하는 것이 가장 적절한 것으로 분석되었다.

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

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 tint ANNs am 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 tint effectiveness can differ according to the ch1racteristics of ports.

In this work, we develop on-line traffic prediction algorithm for real-time VBR traffic. There are a number of important issues: (i) The traffic prediction algorithm should exploit the stochastic characteristics of the underlying traffic and (ii) it should quickly adapt to structural changes in underlying traffic. GOP ARIMA model effectively addresses this issues and it is used as basis in our bandwidth prediction. Our prediction model deploy Kalman filter to incorporate the prediction error for the next prediction round. We examine the performance of GOP ARIMA based prediction with linear prediction with LMS and double exponential smoothing. The proposed prediction algorithm exhibits superior performam againt the rest.

This study aims to forecast the size of the market considered for seasonality based on past demand data and present a demand prediction model for whale ocean travel ships of whale tourism in Ulsan, Korea. For this, this study collected data from January 2010 to December 2020 from Tourism Knowledge & Information System. In order to achieve the research purpose, a time series analysis of Seasonal ARIMA which is widely used in econometrics was conducted. We intend to compare predictions and observations obtained using the Seasonal ARIMA, that is, the autoregressive moving average model, test the suitability and accuracy of the model, and select the most suitable model which is Seasonal ARIMA(1,1,2)(0,1,0). The result was forecasted that the number of tourism destinations was 10,624 in first quarter 2021, 19,530 in second quarter 2021, 46,577 in third quarter 2021, 45,886 in fourth quarter 2021, 15,836 in first quarter in 2022, 32,817 in second quarter 2022, 40,012 in third quarter 2022, 41,090 in fourth quarter 2022, 19,129 in first quarter 2023, 35,717 in second quarter 2023, 34,960 in third quarter 2023, 37,580 in fourth quarter 2023.

This study proposed an intervention ARIMA model as a method for price prediction, focusing on Korean beef and imported beef among livestock prices. In order to determine whether time series data from government policies, infectious diseases and economic shocks were affected, the Korea-US FTA, the Solicitation Ban Act, the adjustment of the 100,000won cap on agricultural futures, and the Corona 19 pandemic were analyzed. As a result of the analysis, it was found that the Korea-US FTA, the Anti-Solicitation Act, the adjustment of the 100,000won cap for agricultural product futures, and the Corona 19 pandemic had a statistically significant effect, and in particular, it was found to have increased significantly after the Corona 19 pandemic occurred. This study analyzed the effect of intervention events on price time series and quantitatively analyzed the effect of multiple interventions on livestock product time series data. It can be used to predict the price of livestock products in the future and is expected to be useful for verifying the monthly average price forecast per kg.

Objectives: Main objective of this study was to estimate crematory facility demand of Suwon city, using Seasonal ARIMA Model. This study aims to estimate the demand based on the number of currently operating crematory facilities, dividing into inward district and outward district of Suwon city. Methods: As the construction of crematory facilities is greatly in need of supply along with the increasing funerals, it requests more accurate estimation of the demand in specific area. This study employed Seasonal ARIMA Model which is useful to deal with time series data with small size and various patterns, instead of the Gompertz curve and logistic curve frequently used in the past. This study did analyses in four steps, discrimination of stationarity (balance for average and dispersion), identification of functions (ACF, PACF), model diagnostic (estimation of parameter), and decision (forecasting of crematory facilities). Results: First, the demand of cremation in inward district of Suwon was estimated to be 4,051 persons in 2017 and to be 5,129 persons in 2022 using the ARIMA (0,1,1)(1,1,0)S=12 Model, which is to be increased 31.8 percent points compared to that of 2016. Second, the demand of cremation in outward district of Suwon was estimated to be 6,731 persons in 2017 and 7,060 persons in 2022 using the ARIMA (0,0,3)(1,1,1)S=12 Model. Altogether the users of crematory facilities were estimated to be 10,782 persons in 2017 and 12,189 persons in 2022, which shows increasing trend of 3 to 4 percent points every year. Conclusions: This study proved that Seasonal ARIMA Model is a proper tools to estimate the crematory facility demand in specific area. Demand and supply of crematory facilities should be estimated based on reliable statistics and data. Suwon city should provide more facilities to meet the increasing need of cremation. For this, Suwon city should input more investment for improving of quality of facilities and coordination of the number.

저가항공이 2005년 8월 국내 첫 취항한 이후 여객수요는 괄목한 성장을 이루었다. 특히 저가요금을 제공하는 저가항공은 급변하는 환경에 대처하기 위하여 단기 수요예측이 필요하다. 이를 토대로 항공노선, 스케줄, 직원수, 공항시설 및 항공기 공급계획 등을 수립ㆍ조정하기 때문이다. 국내 5개 저가항공 시장을 제주권과 내륙권으로 구분하여 여객운송을 2005년 8월-2012년 7월까지 총 84개의 시계열 자료를 분석하였다. 항공수요의 계절 변동을 고려하여 Box and Jenkins(1976)의 계절형 ARIMA (Autoregressive Integrated Moving Average) 모형을 이용하여 항공수요를 예측하였다. 분석결과 제주권 노선은 일정한 계절성 패턴을 보여 항공수요가 점차적으로 증가할 것으로 예측되지만 내륙권 노선인 경우 정체, 포화된 상태로 항공수요가 감소할 것으로 예측된다. 본 연구는 처음으로 계절형 ARIMA 모형을 활용하여 국내 저가항공 수요예측을 체계적이고 과학적인 방법으로 시도하였다는 데에 학문적 공헌도가 있다 하겠다. 또한 모수절약의 법칙에 근거하여 가장 단순화한 모형으로써 수요예측에 대한 방향성을 제시하였다는 것에 또 다른 공헌도를 찾을 수 있다.

Since inauguration of domestic Low Cost Carrier(LCC) on Aug. 2005, passenger air traffic demand of LCC has been remarkably increased. Especially, LCC selling low fare needs short-term demand forecasting in order to meet rapid change of situation. On the basis of it, that’s why air route, schedule, staff, airport facilities and aircraft supply plan etc. will be established and adjusted. After Five Domestic LCC passenger market was divided into Jeju route and Inland route, passenger transportation was analyzed with 84 time-series data per month from Aug. 2005 to Jul. 2012. In view of seasonal change, the air traffic demand was forecasted through Seasonal ARIMA model of BOX and Jenkins(1976). As a result of an analysis, the air traffic demand in Jeju route is expected to increase gradually : the air traffic demand in Inland route, on the other hand, is forecasted to decrease as stagnation or saturation. increase of air passenger from now on. Finally, this study seems to make a great academic contribution which is first attempt to identify the domestic air traffic demand of LCC by systematic and scientific methods with Seasonal ARIMA model. In addition, we can also find another contribution to show the direction of demand forecasting with the most simplified model based on principle of parsimony.

이 연구의 목적은 단변량 시계열분석 중에서 계절ARIMA모형을 이용하여 일반여행업체의 항공권판매액예측의 바람직한 모형정립을 시도해보려는 데 있다. 연구의 목적을 달성하기 위하여 사용된 시계열데이터는 2001년 1월부터 2005년 9월까지의 월별데이터이며, 관찰의 수는 57개이다. 분석결과, 최적모형으로 승법계절ARIMA(1,0,0)(1,0,0) 12모형이 설정되었으며, 사후평가는 MAPE를 사용하였는데 매우 정확하게 나타났기 때문에 이 모형을 바탕으로 민간부문의 여행사경영전략 및 계획에서 활용되는 예측기법의 신뢰성과 타당성을 높이는 데에 활용하리라고 본다.

This research is to find out the method appropriate for the forecasting of air-ticket sales using seasonal ARIMA model in the uni-variable time series model. Time series monthly data for the investigation were collected ranging from January 2001 to September 2005. A total of 57 observations were used for data analysis.Research findings showed that the multiplicative seasonal ARIMA(1,0,0)(1,0,0)12 model is appropriate model and post evaluation used the MAPE. The result was very accurate. Finally, this model will be applied from travel agency management strategy and plan, also, this forecasting method enhances reliability and validity. The authors offered several implications based on the findings.

Sun-lust resort hotel unlike other businesses tend to suffer from high seasonal and economic fluctuations at high-low season or weekday-weekend period. Using monthly sales data of deluxe hotel of Gyeongju. during past ten years this paper forecasts and evaluates the bedroom sales trends. The result shows that the difference exists quite a lot between on-season and off-season of room sales of deluxe hotel of Gyeongju. In the forecast multiplicative seasonal ARIMA(1,0,0)(1,1,0) model was found the most appropriate one. Authors suggest that the daily sales forecast are preferable to monthly sales forecast if data conditions are met.

시계열 분석법에 대한 예측은 20여년 이상 연구가 계속되어오고 있다. 본 연구는 1995년부터 2004년까지 경주지역을 방문한 관광객 수를 이용하였다. 분석방법은 관광현상의 특성인 계절성을 고려한 확률적 분석방법으로 계절아리마(seaasonal ARIMA Model)모형을 이용하여 예측에 대한 정확도를 평가 하였으며, 이에 따른 관광정책 비전을 제시하고자 한다. 그 결과, 2005년 경주를 방문할 관광객 수는 최저 3.8백만에서 최대 25백만의 관광객이 경주를 방문할 것으로 예측되었으며, 예측에 대한 정확도의 평가는 2.4%로 매우 정확하게 나타났다. 이러한 예측결과로 비추어 볼 때, 경주시는 비수기의 관광객수요를 극복하여 관광객을 증가시킬 수 있는 관광정책이 요구된다.

The demand forecasting which have been studied for about 20 years in long-term time series. This study conducts a short-term forecast of tourist demand in Gyeongju with uni-variate ARIMA model. Moreover, it suggests the vision of tourism policy. The uni-variate ARIMA model takes into consideration a possible structure change of tourist in Gyeongju. ARIMA model by using time series data from 1995 to 2004.This research focused on two issues: 1) forecasting Gyeongju's monthly inbound travel demand and 2) seasonality and seasonal ARIMA model selection for monthly tourism time-series. The result showed that it forecasts a minimum of 3.8 million to almost maximum25million tourists may visit Gyeongju in 2005. And Gyeongju needs to overcome the demand of non-season tourist with tourism polity to increase the number of tourists in Gyeongju. Moreover, a systemic perspective is proposal where Gyeongju tourism forecasting and tourism marketing are considered to be integral components of order.

본 연구는 1992년부터 2011년까지 월별자료를 사용하여 여러 가지 시계열 추정모델과 승법 계절 ARIMA 모형을 설정하여 부산항의 컨테이너 물동량을 추정하고 예측하였다. 여러 가지 모델로 추정한 결과 부산항의 컨테이너 물동량과 물동량 변동 모두 계절을 승법한 ARIMA 모델 $(1,0,1){\times}(1,0,1)_{12}$로 추정하였을 때, 추정결과와 Akaike information, Schwarz, Hannan-Quin 기준 등으로 보아, 가장 좋은 ARIMA 추정과 예측 모형으로 나타났다. 그리하여 부산항 물동량 추정의 최적모형인 ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의해 향후 8년간 96개월에 대한 부산항 물동량 미래 예측치(2013-2020년)를 월별로 추정하여 예측한 결과 2013년부터 부산의 물동량은 연도별로 조금씩 지속적으로 증가하는 추세를 보일 것으로 나타났다. ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의한 부산항의 컨테이너 물동량의 연도별 예측량은 2013년 1천 891만 TEU, 2014년 2천 34만 TEU, 2015년 2천 188만 TEU, 2016년 2천 353만 TEU, 2017년 2천 531만 TEU, 2018년 2천 722만 TEU 그리고 2020년 3천 148만 TEU 등으로 나타났다.

This paper estimates and forecasts the container throughput of Busan port using the monthly data for years 1992-2011. To do this, this paper uses the several seasonal multiplicative ARIMA models. Among several ARIMA models, the seasonal multiplicative ARIMA model $(1,0,1){\times}(1,0,1)_{12}$ is selected as the best model by AIC, SC and Hannan-Quin information criteria. According to the forecasting values of the selected seasonal multiplicative ARIMA model $(1,0,1){\times}(1,0,1)_{12}$, the container throughput of Busan port for 2013-2020 will increase steadily annually, but there will be some volatile variations monthly due to the seasonality and other factors. Thus, to forecast the future container throughput of Busan port and to develop the Busan port efficiently, we need to use and analyze the seasonal multiplicative ARIMA model $(1,0,1){\times}(1,0,1)_{12}$.

전기자동차는 운전자가 바뀌거나 운전자의 주행습관이 바뀜에 따라 SOH가 급격하게 감소할 수 있고, 이러한 운전습관은 배터리에 과부하를 주어 배터리 수명의 단축 및 안전 문제를 일으킬 수 있다. 본 논문에서는 전기자동차의 계기판에 사용자 패턴 변화에 따른 SOH의 변화를, 실시간으로 나타내기 위하여, NASA에서 제공하는 배터리 데이터 세트를 학습하고, 기계학습 모델을 구축 후, 변화된 사용자 패턴을 포함한 배터리에 대해 선형회귀와 ARIMA 모델로 예측하는 실험을 진행하였다. 그 결과, 변화된 사용자 패턴에 따른 변경된 수명을 예측하는 경우, 배터리 데이터가 많이 확보되었다면 선형회귀가 유용하고, 데이터가 많이 확보되지 않은 경우는 ARIMA 모델이 대안이 될 수 있다는 연구결과를 얻을 수 있었다.

This paper addresses the safety concern that the SOH of batteries in electric vehicles decreases sharply when drivers change or their driving patterns change. Such a change can overload the battery, reduce the battery life, and induce safety issues. This paper aims to present the SOH as the changes on a dashboard of an electric vehicle in real-time in response to user pattern changes. As part of the training process I used battery data among the datasets provided by NASA, and built models incorporating linear regression and ARIMA, and predicted new battery data that contained user changes based on previously trained models. Therefore, as a result of the prediction, the linear regression is better at predicting some changes in SOH based on the user's pattern change if we have more battery datasets with a wide range of independent values. The ARIMA model can be used if we only have battery datasets with SOH data.

본 연구는 KTX 수송수요를 예측하기 위한 방법으로 다중개입 시계열 모형을 제안하였다. 구체적으로 2011년 이전의 자료로서 경부 2단계 개통 개입만 고려한 Kim과 Kim (Korean Society for Railway, 14, 470-476, 2011)의 연구를 수정 보완하기 위해 다양한 개입이 추가적으로 발생하고 있는 2011년 이후의 시계열 자료를 효과적으로 모델링하는 한편 KTX 수송수요를 정확히 예측하기 위한 방법으로 다중개입 계절형 ARIMA 모형을 도입하였다. 자료 분석을 통해 KTX 수송수요에 영향을 주었던 경부 및 호남 2단계 개통, 메르스 발병과 설추석 명절 등 다양한 개입의 효과를 효과적으로 해석하는 한편, 이를 통해 예측의 정확성을 높일 수 있음을 확인하였다.

This study proposed a multiple intervention time series model to predict KTX passenger demand. In order to revise the research of Kim and Kim (Korean Society for Railway, 14, 470-476, 2011) considering only the intervention of the second phase of Gyeong-bu before November of 2011, we adopted multiple intervention seasonal ARIMA models to model the time series data with additional interventions which occurred after November of 2011. Through the data analysis, it was confirmed that the effects of various interventions such as Gyeong-bu and Ho-nam 2 phase, outbreak of MERS and national holidays, which affected the KTX transportation demand, are successfully explained and the prediction accuracy could be quite improved significantly.

본고는 개입 승법계절 ARIMA모형과 인공신경망모형을 이용하여 해상운송 물동량을 추정하고 사전적 예측치를 도출하였다. 개입 ARIMA의 추정결과 오차항에서 자기상관이 존재하지 않고 정규성이 존재함으로써 오차항의 기본가정이 잘 충족되고 있음을 확인하였다. 그리고 개입 승법계절 ARIMA모형과 인공신경망모형에 대해 예측실적 오류를 ME, MAE, RMSE, MSE로 측정한 결과 ARIMA $(2,1,0)(1,0,1)_{12}$이 가장 우수한 예측모형임을 확인할 수 있었다. 2015년부터 2019년까지의 기간에 대해 개입 ARIMA모형을 이용한 해상운송 물동량의 사전적 예측치 결과 4.54%에서 4.99%의 연평균 증가율을 보였고, 인공신경망모형을 이용한 예측결과 2.00%에서 2.44%까지의 연평균 증가율을 나타냈다.

The purpose of this study is to forecast the seaborne trade volume during January 1994 to December 2014 using the multiplicative seasonal autoregressive integrated moving average (ARIMA) along with intervention factors and an artificial neural network (ANN) model. Diagnostic checks of the ARIMA model were conducted using the Ljung-Box Q and Jarque-Bera statistics. All types of ARIMA process satisfied the basic assumption of residuals. The ARIMA(2,1,0) $(1,0,1)_{12}$ model showed the lowest forecast error. In addition, the prediction error of the artificial neural network indicated a level of 5.9% on hidden layer 5, which suggests a relatively accurate forecasts. Furthermore, the ex-ante predicted values based on the ARIMA model and ANN model are presented. The result shows that the seaborne trade volume increases very slowly.