遗传规划作为一种现代启发式随机搜索优化算法,是从遗传算法中发展起来的一种全局寻优技术,也是重要的进化算法之一。本文结合最小二乘法(LSM)拓展传统的遗传规划(GP)算法,得到一种新的非线性预测方法——最小二乘遗传规划(GP-LSM)预测方法,并借鉴综合集成预测思想,提出一种新的基于GP-LSM的非线性集成预测方法。与传统的遗传规划相比,我们新提出的最小二乘遗传规划预测方法及其相应的集成预测方法主要有四个方面的改进：新形式的个体表达、新的适应度函数、自适应的复制策略、动态调整的交叉和变异策略。本文将我们新提出的最小二乘遗传规划(GP-LSM)预测方法和基于GP-LSM的集成预测方法分别应用天津港和青岛港集装箱吞吐量月度数据进行实证分析,并与经济计量模型SARIMA、人工智能技术BPANN和LSSVM等单预测模型和几种常用的集成预测模型的预测结果作对比,我们提出的这种改进的遗传规划预测方法和其相应的非线性集成方法具有良好的非线性拟合能力,能给出明确的预测函数方程,可以更明确地服务现实预测需求,并且一定程度上提高了预测精度和方向准确度。最后综合各预测模型,基于TEI@I方法论,给出天津港和青岛港2014年上半年的集装箱吞吐量的预测值。