当今全球经济高度一体化,海洋运输已经成为全球经济贸易链中最重要的环节之一。海港作为吞吐货物的聚集地,其建设往往伴随着巨额的、不可逆转的投资,因此,如何更加合理的建设海港逐渐得到了人们的高度重视。港口集装箱吞吐量预测有助于确定合理的投资规模、优化布局、降低运营成本、制定发展战略,从而实现最大的投资效益。因此,准确预测港口集装箱吞吐量已经成为当今的一个研究热点。基于此,本文构建了一个新的分解-集成组合模型VMD-ARIMA-HGWOSVR(VAHS),以期对港口的集装箱吞吐量实现较高精度的预测。首先,该模型采用最新的变分模态分解算法(VMD)将原始序列分解为若干模态(分量);其次,通过建立差分自回归滑动平均模型(ARIMA)预测波动性较小的低频分量;再次,利用最近提出的混合灰狼优化(HGWO)群体智能算法进行参数优化后的支持向量回归模型(SVR)对波动性较大的高频分量进行预测;最后,集成所有模态的预测结果得到最终结果。本文选取目前全球最大的两个港口的月度集装箱吞吐量数据,即2001年1月至2016年5月上海港口和1995年1月至2016年5月新加坡港口的历史数据进行实证研究。通过MSE,MAE,MAPE,CDFR和FVD误差分析指标评价和DM检验,对本文提出的VMD-ARIMA-HGWO-SVR模型和其他基准模型的预测效果进行比较,对比结果表明,VMD算法比CEEMD和WD等其他分解方法更有效,采用ARIMA模型预测低频分量比使用SVR模型预测所有分量产生更好的结果,VAHS模型预测结果较其他模型与实际数据更为相近,实现了最高的预测精度。因此,该模型有望用于实际工作中,为港口的规划、建设、运营管理及科学发展提供参考。