摘要: 为提高船舶进出港口速率，改善船舶交通流量预测精度，满足港口未来发展需求。提出了基于RF-ARIMA-BLSTM的船舶交通流量的预测方法，采用ARIMA模型分别与添加了随机森林(RF)影响因素选择的LSTM和BLSTM神经网络模型结合进行了预测并比较研究，并将其应用于2016—2019年青岛港和2011—2020年大连大窑湾港统计的月度船舶进出港口总艘次预测中。结果表明：基于RF-ARIMA-BLSTM的方法预测精度均为最高，并与其他4种预测方法对比，其评价指标均方根误差、平均绝对误差和平均绝对百分比误差均为最小，验证了该方法的有效性。提出的船舶交通流量预测方法以期为港口未来发展与规划布局提供决策指导。