Time-series Model for Predicting Total Ship Fuel Consumption

본 연구는 선박 연료 소모량 총합을 예측하기 위한 RNN(Recurrent neural network) 기반 모델을 설계하고, 구조별 성능을 비교하였다. 입력 시퀀스를 기반으로 각 시점의 소비를 예측하는 many-to-many(MTM) 구조와 총합을 직접 예측하는 many-to-one(MTO) 구조를 비교하고, 실제 항차 데이터를 활용해 입력 길이에 따른 예측 정확도를 분석하였다. 실험 결과, MTO 구조는 MTM 및 기존 모델보다 예측 오차가 낮았으며, 입력 길이가 길수록 성능이 향상되었다. 반면 MTM 구조는 입력 길이 증가에 따른 효과가 제한적이었다. 본 연구는 구조 설계와 예측 단위 정합성의 중요성을 실증적으로 제시하며, 향후 트랜스포머를 포함한 최신 시계열 모델의 설계에도 확장 적용 가능하다.