江海联运是将海洋运输和内河运输组合,通过使用内河船舶连接海洋船舶进行运输,或者直接使用江海直达船舶进行运输,减少了货物装卸次数、降低货物在装卸过程中的损失和运输成本,并且能降低能耗、减少对环境的污染。尤其是在国家大力推进节能减排、公路运输日趋饱和和航运业长期低迷的大环境下,江海联运的重要性越来越凸显。为了大力发展江海联运,更好地推进社会的进步与发展,本文对影响江海联运的因素和运量预测方法进行了研究。江海联运的发展受众多因素的影响,通过详细分析影响江海联运的因素,可以为江海联运的发展提供理论的支持并为江海联运运量预测方法研究打下基础。本文在分析影响江海联运因素的基础上筛选出部分可量化的因素及其量化的指标,利用灰色关联度分析确立影响江海联运运量的主要因素。对江海联运运量的预测,是规划江海联运发展的重要依据,也是制订江海联运投资和发展政策、措施的重要基础。本文综合灰色关联度方法所筛选确立的多组影响因素,建立了基于支持向量机（Support Vector Machine,SVM）的江海联运运量预测模型,利用粒子群算法（Particle Swarm Optimization,PSO）来优化支持向量机的参数,从而实现对江海联运运量的集成预测,并应用于宁波港域江海联运运量的预测。结果表明,该模型与传统时间序列预测方法相比具有较高的拟合度和预测精度,丰富了江海联运运量预测的思路和方法,为解决江海联运运量预测提供了一条新的途径,具有一定的理论和实践价值。