항만의 주요 정책 및 향후 운영계획 수립 시 정확한 물동량 예측에 관한 연구는 매우 중요하며 이러한 중요성으로 인해 관련 연구가 활발히 수행되고 있다. 본 논문에서는 국내 최대 석탄 및 철광석 처리 항만인 광양항을 대상으로 단계적 회귀분석과 인공신경망모형을 활용하여 모형간 예측력을 비교하였다. 2009년 1월부터 2019년 1월까지 총 121개월의 월별자료를 활용하였으며 석탄 및 철광석 물동량에 영향을 주는 요인을 선정하여 공급관련요인과 시장·경제관련요인으로 분류하였다. 단계적 회귀분석 결과, 광양항 석탄 물동량 예측모형의 경우, 입항선박 톤수, 석탄가격 및 대미환율이 최종변수로 선정되었고 철광석 물동량 예측모형의 경우, 입항선박 톤수, 철광석가격이 최종변수로 선정되었다. 인공신경망모형의 경우, 모델 성능에 영향을 미치는 다양한 Hyper-parameters를 조정하며 최적 모델을 선정하는 시행착오법을 사용하였다. 분석결과 인공신경망모형이 단계적 회귀분석에 비해 우수한 예측성능을 나타내었으며 예측 모형별 예측값과 실측값을 그래프 상 비교 시에도 인공신경망모형이 단계적 회귀분석에 비해 고·저점을 유사하게 나타냈다.

Multiple linear regression analysis was conducted to interpretate the relationship between sesame grain yield and its components under early sowing cropping condition. The t test showed that stem length, number of capsules per plant, 1000 seeds weight and seed weight per plant gave significant contribution to sesame grain yield, therefore those variables were assumed to mostly influenced components to grain yield of sesame. In the stepwise regression analysis, the predicted equation for sesame grain yield per square meter (Y) was Y = -7.900 + 0.150X1 + 0.461X5 + 15.553X6 + 8.543X7. Meanwhile, F value showed that stem length, number of capsules per plant and seed weight per plant gave significant contribution to sesame grain yield, while 1000 seeds weight did not significantly show. Based on the results, it is reasonable to assume that high yield. potential of sesame under early sowing cropping condition would be obtained by selecting breeding lines with long stem length, number of capsules per plant, and seed weight per plant, which was different result at the late sowing cropping condition in which days to flowering and maturity were assumed to be more affected factors to the sesame grain yield.