交通运输是世界贸易和全球供应链中不可或缺的环节,是现代化经济体系的关键组成部分,是构建发展新格局的核心支撑。而集装箱载运是交通运输现代化的重要形式,目前集装箱因运输规范、操作方便、耐用性高等特点,其吞吐量数据被海港港口和航运公司纳为综合运输竞争力评估的重点要素。准确、有效地探索港口集装箱吞吐量的增长变化趋势,不仅可以对我国港口布局和发展进行合理规划,而且对于构建综合交通体系也具有重要意义。然而集装箱吞吐量序列受多种复杂叠加因素的影响,数据具有非线性、非平稳性和随机性等特征,传统预测技术不能有效捕捉外界相关因素变动对预测结果的影响,任何单一预测模型都难以对这种非线性系统进行精准判断,无法得出可以指导实践的预测结果。为弥补以上不足,对集装箱吞吐量序列进行探索并提出可推广性高、普遍适用的预测方法,本文构建了具有创新性的多变量组合预测系统。该系统集成通过遗传算法优化参数的改进变分模态分解（IVMD）和多目标大猩猩部队优化算法（MOGTO）,以组合方式对我国上海、天津、大连三个干线港口的集装箱吞吐量进行预测。过程中首先采用分解策略提取集装箱季度吞吐量序列的主要特征,其次结合影响序列趋势的主要腹地宏观经济因素、港口集疏运体系与港口自身运输能力指标构建多变量预测模型,通过反向传播神经网络（BPNN）、小波神经网络（WNN）、长短期记忆网络（LSTM）、极限学习机（ELM）四种智能算法开展预测并将结果加权优化。然后通过极大似然法确定集装箱吞吐量序列的最优分布函数,得到一定概率下的预测区间。最后本文使用六个点预测性能评价指标、三个区间预测指标、四组不同的测试分析方法构建一套科学而合理的评价体系,对研究中提出的组合预测模型做出综合的评判。实证和检验结果表明,多变量组合模型预测有效性较高,结果具有稳定性,运行时间合理没有计算负担,可以普遍推广,有助于港口管理者和运营机构对港口的船舶布局、设施配套以及货物作业区分布进行合理规划,能够更好的促进我国交通运输部门健康有序发展。本文的主要贡献和创新总结如下:（1）构建了一种基于数据去噪技术和群体智能优化的组合预测框架,可以有效地指定组合模型中各子模型的权重。文章基于遗传算法优化的变分模态分解技术对数据进行了预处理,并针对不同的研究地点进行最优参数的筛选,保证了去噪效应的最优化。同时打破了单个神经网络的界限,使用群体智能优化算法对四种神经网络进行加权组合。（2）本文从多变量的预测角度出发,针对过程中变量的特征选择问题,提出一种基于灰色关联与随机森林相结合的模型,综合考虑各港口腹地经济指标、港口集疏运体系和港口运输能力等方面的因素对港口集装箱序列的影响,进而保证了预测结果的稳定性和可靠性。（3）在点预测的基础上拓展了区间预测。基于极大似然估计确定序列的最优分布及相应的模型参数,在不同的置信水平下计算出不同季度集装箱吞吐量的上下限,有效地弥补了现有模型的不足。（4）建立了合理、科学的评价体系。本文引入了六个点预测模型评价指标、三个区间预测评价指标、四组不同的模拟实验、三类不同港口数据集、十一个对比预测模型,对所提出的预测框架进行综合评价。此外,还采用了四种不同的检验方法来深入挖掘组合模型的预测性能。