杜柏松，朱鹏飞，梁民仓，张洪刚

（浙江海洋大学港航与交通运输工程学院，浙江舟山 316022）

港口集装箱吞吐量能够很好的反映一个港口的生产经营情况，集装箱吞吐量的数量、流向和物理分类等各项指标的构成，是一个港口在国际港口间地位的直接体现，也是量化国家、地区以及城市建设的重要参考依据[1-7]，因此对于港口集装箱吞吐量的预测至关重要。由于港口集装箱吞吐量受社会、经济、政治等多方面因素的影响，具有随机性、非线性、波动性、动态性等特点，给预测造成了一定困难。目前，港口集装箱吞吐量的预测方法主要有灰色预测法、BP神经网络法、指数平滑模型法、回归模型法等，其中BP神经网络预测法具有建模过程复杂、训练时间长、预测需要大量的样本数据等特点；指数平滑模型预测需要知道预测对象详细完备的历史资料，一般用来做短期预测；回归模型预测也具有需要大量的原始数据为基础的特点。由于港口吞吐量的相关数据仅仅是以往各年的港口吞吐量，样本数据信息比较贫乏[8]，而传统灰色GM（1，1）预测模型，主要用来小样本、贫信息的预测，虽然对具有波动性、长期性以及随机性的历史数据的预测精度较低，但该模型能反映预测的总体发展趋势[2，9]；马尔科夫预测主要是根据变量现在的状态及状态转移的规律预测未来一段时间内系统可能出现的状态，—般通过转移概率矩阵进行预测正好可以弥补灰色动态预测对随机波动性较大数据难以预测的局限。……