刘 钊， 崔珑献， 李 岩， 刘 文*, 1b， 刘敬贤, 1b

(1.武汉理工大学 a.航运学院; b.内河航运技术湖北省重点实验室， 湖北 武汉 430063；2.国家水运安全工程技术研究中心， 湖北 武汉 430063)

0 引 言

船舶交通流预测在优化船舶交通组织、缓解交通拥堵、提升通过能力和支撑水上交通基础设施规划建设等方面发挥着重要作用。但是，由于船舶交通流的影响因素的复杂性、变化性和不确定性，船舶交通流变化具有非线性和非平稳性特点[1]，给船舶交通流的有效预测带来了很大的困难。

传统的船舶交通流预测主要以年为尺度预测船舶交通流量的变化，以支撑港口规划布局。常用的交通流预测方法主要包括回归分析法、灰色分析法、马尔科夫法、模糊预测法、神经网络法、基于误差绝对值之加权和最小预测组合法等，但是单一的预测方法具有明显缺陷[2]。为了解决单一模型预测精度不高和稳定性较差的问题，刘敬贤等[3]综合运用多元线性回归和灰色系统预测方法建立了一种改进的船舶交通流变权组合预测模型，白响恩等[4]通过筛选影响交通流量变化的关键影响因素，提出一种结合粗糙集和支持向量回归智能算法的交通流量预测模型，组合预测模型较好地提升了以年度为单位的船舶交通流预测精度。

随着船舶交通流数据的积累和影响因素复杂作用机理的揭示，越来越多的学者开始关注船舶交通流变化的周期性、非线性和非稳定性特征。针对船舶交通流序列的非线性和非平稳性特性，肖进丽和Li等[5-6]建立了集成集合经验模态分解和神经网络的船舶交通流预测模型，基于历史数据实现了船舶交通流的月度预测；……