摘要: 针对港口吞吐量预测时的不平稳性与非线性特征，提高港口吞吐量预测的准确性。采用麻雀搜索算法(SSA)优化反向传播(BP)神经网络，基于SSA-BP神经网络模型，解决BP神经网络收敛速度慢、精度小、容易陷入局部最优等问题，并用于港口吞吐量预测。选取了2000—2021年厦门港吞吐量以及直接经济腹地相关数据进行训练仿真，并将该模型与BP神经网络、粒子群优化(PSO)-BP神经网络、鲸鱼优化算法(WOA)-BP神经网络三种模型进行预测性能比较。研究结果表明：SSA-BP神经网络在港口吞吐量预测方面具有较高的准确性和稳定性，其最大相对百分比误差绝对值为1.95%,最小值为0.11%,预测误差可以控制在2%以下，且相较于其他三种模型，其各评价指标均更优，收敛速度也更快。