随着供应链网络的发展,港口供应链已成为人们关注和研究的热点。港口供应链网络错综复杂,成员众多。这些组成成员构建形式各异,层次不齐。因此,为实现资源的合理配置,优势互补,提高整个供应链的作业效率成了港口供应链管理的最大目标。另外,在全球经济一体化的形式下,港口供应链涉及的行业越来越多,范围越来越大。在对商品进行生产、运输和存贮的过程中,有很多不确定性因素存在,这些不确定性如果不能被及早发现并制止,将会给整个供应链带来无法预计的后果,所以对港口供应链的风险进行评估是必要的,也是保证港口供应链协调发展的一项重要的任务。为了降低港口供应链各环节的不确定性与风险性,加强供应链中各成员之间的协作,本文对港口供应链网络均衡模型和风险评估进行了研究。本文的主要研究成果如下：1.基于港口供应链网络中同层成员间相互竞争,不同层成员间相互合作的关系,提出了一个由供应商、港口物流商和客户组成的三层港口供应链网络均衡模型,并在此基础上引入了电子商务。从供应商、港口物流商及客户三个角度给出了各自的最优目标及全局的最优目标,并基于变分不等式理论给出了最优目标的求解方法。最后通过算例验证了模型的有效性和合理性。2.为了降低求解二次规划问题的计算复杂度和计算量,提高算法的速度和精度,提出了基于变分不等式的线性和近似线性支持向量机训练方法。该方法将线性支持向量机训练过程中凸二次规划的求解问题转化为变分不等式的求解问题,进而得到最优分类超平面。该求解过程占用内存较少,从而可以提高支持向量机分类的训练速度。实验结果表明,基于变分不等式的支持向量机泛化能力强,而且比传统的支持向量机有更快的收敛速度。3.为了减少各种风险对港口供应链造成的损失,增强港口供应链管理的稳定性和运营的高效性,建立了基于支持向量机的港口供应链风险评估模型,并与基于BP神经网络、径向基神经网络评估模型进行对比分析,通过实例计算表明基于支持向量机的港口供应链风险评估模型是可行的。同时,考虑采集数据的误差问题,对采集数据引入容错值,构成容错区间,利用粗神经网络方法对港口供应链风险评估模型的数据进行了不确定分析,讨论了不同的容错值对评估误差的影响。为港口供应链风险评估模型的建立和发展提供了参考。