一、引言
建国以来，我国港口建设发展迅速，截至2014年底，我国已拥有国内巷道通航里程12.63万公里，港口拥有生产用码头泊位31，705个。在转型升级的大背景之下，“一路一带”战略的实施必将会带来新一轮的港口投资建设热潮。准确把握未来港口物流需求无疑是合理规划港口建设的重要前提。
二、文献评述
从目前的研究来看，大致可以分为使用单一预测方法预测和使用组合模型进行预测两类。单项预测方法主要包括时间序列预测法、回归预测法和人工智能算法预测法三种。
（一）单一预测方法
1、时间序列预测法。如王再明、王宏波（2005）应用灰色系统预测理论，以GM（1，1）和残差修正GM（1，1）模型对武汉港货物吞吐量和集装箱吞吐量进行了中短期的预测，并对集装箱吞吐量的预测结果进行残差检验和残差修正。发现修正后的预测精度可达到最优的精度等级。张世良、黄跃华（2014）采用GM（1，1）扩展模型对天津港进出船舶数量进行了预测。陈宁、朱美琪等（2005）采用二次指数平滑对某港口的吞吐量进行了预测，发现二次指数平滑模型比较适合快速成长的港口进行吞吐量定量预测。李增蔚、叶俊（2015）以宁波-舟山港为例，利用三次指数平滑法对宁波-舟山港的货物吞吐量进行了预测。张家善（2015）认为集装箱吞吐量是反映一个港口生产经营状况的主要数量指标，并基于趋势曲线预测理论，以香港为例，通过建立三次曲线趋势预测模型，对香港港口集装箱吞吐量进行了预测并取得了较好的预测结果。
时间序列预测法仅仅利用预测目标历年数据进行预测，因此预测过程相对简单，历史数据的收集整理工作相应减少。但是，时间序列预测方法仅仅将时间作为影响预测目标的因素，忽视了其他真实影响预测目标的因素，亦无法有效揭示各影响因素之间的关系。
2、回归预测法。陈其超（2013）以重庆市港口为例，分析了社会经济总量与物流需求之间的关系，利用重庆市生产总值与重庆港港口吞吐量建立一元线性回归模型，对重庆市港口物流需求进行了预测。王小萃（2007）以上海市为例，选取国内生产总值、第一产业总值、第二产业总值、第三产业总值、零售总额、外贸总额和货物运输量建立多元统计回归模型，对上海市物流需求进行了预测研究。彭湖、何民（2015）基于云南省统计数据，建立主成分回归模型对云南省物流需求进行了预测。匡海波（2009）在分析我国沿海港口货物吞吐构成及其影响的基础上，建立向量自回归（VAR）模型来对我国沿海港口吞吐量进行了预测，提高了预测的精度和准确度。
建立回归预测模型需要对预测目标及各影响因素之间的相关关系进行分析，回归预测模型能够有效地揭示各影响因素对预测目标的影响程度，便于决策者做出更为明智的决策。但是，回归预测法是建立在大量历史数据的基础上，对历史数据的质量要求较高。此外，现实应用中，为了简便计算，常常采用线性回归来进行模型构建。然而，各影响因素与预测目标之间的关系往往非常复杂，而不是简单的线性关系。
3、人工智能算法。沈浩、黄洪琼（2015）基于对上海洋山港船舶流量的调研，建立了支持向量机预测模型（SVM），并利用粒子群算法对模型进行了参数优化，通过实证证明了该模型的优越性和可行性。郝勇、王怡（2014）利用径向基函数（RBF）神经网络模型对芜湖港港口船舶流量进行预测，为了克服RBF网络在参数选取上的缺陷，利用遗传算法进行了改进，使得改进后的网络计算量小，识别速度快，预测误差小。刘枚莲、朱美华（2012）将外贸进出口总量、第一产业总值和第三产业总值作为BP神经网络的输入，港口吞吐量作为BP神经网络的输出建立BP神经网络预测模型，并对广西西部湾港口进行了预测。卢少华（2006）则将遗传规划应用到吞吐量预测上，揭示了我国沿海港口吞吐量与GDP之间的关系以及发展趋势。
利用人工智能算法进行预测，能够有效处理各影响因素与预测目标之间非线性的关系。但是，人工智能算法也存在着一定的缺陷，如预测模型无法直观地体现出各影响因素对预测目标的影响程度；理论上无法保证预测模型的泛化能力，使得预测结果不稳定；训练样本过多易于陷入“过学习”，而样本量过少则难以保证预测的精度。
（二）组合预测方法。上述预测方法各有其自身的优缺点和适用范围，为了提高预测精度，组合模型被越来越多地应用于港口物流预测。黄安强、肖进等（2011）提出了一种基于情境知识的组合预测方法（CFMIK）来对港口集装箱吞吐量进行预测，发现CFMIK的预测表现优于单一的预测模型。柳艳姣、肖青（2006）分别采用了时间序列的三次指数平滑法、改进的GM（1，1）残差模型以及组合预测方法对某港的集装箱吞吐量进行了探讨，并对未来几年某港集装箱吞吐量进行了预测，结果证明：组合预测模型融合了前两种预测方法的优点。孙志林、卢雅倩（2012）分别采用TSA和马尔科夫链进行预测，将TSA与马尔科夫链校正模型相结合，进行港口吞吐量预测。王岩（2013）将回归分析与灰色预测理论集合起来，分别使用回归分析、灰色预测及组合模型对秦皇岛港口吞吐量进行预测，发现组合模型能够有效地降低预测误差，提高预测精度。陈经海（2013硕）则将灰色GM（1，1）模型与三次指数平滑模型结合起来，在分析了青岛港口集装箱海铁联运的效益基础上，对运量进行预测，从而提高了预测的精确度。万福来（2012）为克服数据贫乏和数据非线性的困难，将灰色理论与神经网络算法相结合，分析了影响港口物流需求的五方面因素，并以此为基础对天津港口物流需求进行了预测。
三、总结
1、从研究对象来看，现有文献对港口物流的研究中，从全国范围或区域范围研究的较多，针对具体港口进行研究的较少。在针对具体港口进行的研究中，多集中于大型港口物流的研究，对中小型港口的港口物流发展研究较少。
2、从研究方法上来看，现有大多数文献采用的方法为计量经济学方法，如回归分析、相关性检验等，此外还有传统的数据包络分析、灰色预测模型等，研究方法片面，需要进行改善。
作者：陈洋
