吞吐量是港口的重要经济指标,其发展水平对于确定合理的港口布局、投资规模、营运策略和发展战略十分重要。综合回顾和总结了现有的港口吞吐量预测技术,如时间序列法、因果分析法和组合预测法,其中包括一些最新的研究成果,如灰色系统法、遗传算法优化的神经网络法。提出港口吞吐量预测是一个复杂的系统工程,应按照一定的流程进行系统分析。对于腹地区域重叠的港口群,建议可利用层次分析法确定其相互间的竞争关系和吞吐量分配权重。本文选择时间序列法中的三次指数平滑法和灰色模型、因果分析法中的多元线性回归法和神经网络模型,探讨其建模过程和检验方法,分析模型参数的选择,比较各种模型的适用范围,并采用组合预测技术来消除各单项模型中存在的随机误差。对于时间序列法,由于社会、政治、经济现象往往带有较强的惯性,使得港口吞吐量的发展在中短期内可能保持一种平稳态势,而远期发展过程中则经常会受到一些偶然或突发因素的影响,因此其更适合中短期预测。对于因果分析法,提出通过主成分分析和相关分析可以减少影响因子的数量,从而减小预测误差。建议可以采用时间序列法预估影响因子的未来值。结果表明,遗传算法优化的神经网络模型结合了BP网络良好的非线性逼近能力和遗传算法全局搜索的优势,拟合精度高于多元线性回归模型。定量预测的应用前提是假定趋势能延续,但港口吞吐量发展水平经常会受到一些偶然或突变因素的影响,而定性预测擅长于预测趋势的转折及其影响,因此更为科学的方法是将定量分析和定性判断相结合。基于本文所建立的各种预测模型,对天津港的吞吐量进行了短中远期预测。结果表明,各模型在短期预测方面均具有较高的可信度,天津港的吞吐量在2008-2015年间可能保持10%左右的年复合增长率。如果当前影响天津港吞吐量的各种宏观方面因素保持稳定,这一增长率水平是很有可能达到的。