随着海上交通运输日益繁盛,港口内船舶交通密度越来越高,海事事故频繁发生,传统的管理方式已经不能满足水域船舶交通快速发展的需求。人们越来越多地关注于如何利用先进的技术建立健全海上交通安全的预测预警机制,对船舶航行危险做出及时、准确的预测,从而从根本上保障船舶航行安全、减少海上交通事故的发生、提高航运效率、保护海洋环境。本文针对现有的VTS(Vessel Traffic Services)系统智能化水平不高,对海上交通风险的预测和识别能力的不足的现状,提出了运用人工神经网络理论预测船舶航行危险,从而提高VTS系统的智能性,降低VTS管理人员的工作强度和工作压力。本文从VTS系统的发展现状和趋势入手,指出了研究船舶航行危险预测的必要性和实用性;论述了国内外常见的船舶事故预测方法,并分析了其各自的不足之处;针对海上交通事故发生同人—船—环境之间有着复杂非线性关系的特点,以及神经网络在解决复杂非线性系统问题方面的优势,提出采用神经网络理论预测船舶航行危险;充分分析了影响船舶航行安全的诸多因素,并结合VTS系统数据采集和处理的特性,设计建立了基于BP神经网络的船舶航行危险预测模型;最后,利用Matlab的神经网络工具箱对船舶航行危险预测模型进行仿真实现,并通过历史的船舶事故数据对模型的预测精度进行检验。试验结果表明该方法能够较为准确的预测船舶航行危险,是一种切实可行的预测方法,可以应用于实际的VTS系统中。