본 연구는 우크라이나 전쟁 중 러시아 장비 손실을 예측하기 위해 ARIMA, Prophet, LSTM, TCN, XGBoost 등 다양한 예측 기법을 적용했습니다. WarSpotting의 일일 및 월별 공개 소스 정보(OSINT) 데이터를 사용하여 손실 감소 추세를 평가하고 모델 성능을 검증하며 2025년 말까지 미래 손실 패턴을 추정하고자 했습니다. 심층 학습 모델, 특히 TCN과 LSTM이 높은 시간적 세분성 조건에서 안정적이고 일관된 예측 결과를 보여주는 것으로 나타났습니다. 다양한 모델 아키텍처와 입력 구조를 비교 분석하여 분쟁 모델링에서 앙상블 예측의 중요성과 시간 경과에 따른 물적 손실 수량화에 있어 공개적으로 이용 가능한 OSINT 데이터의 가치를 강조했습니다.
