船舶在航行、作业过程中往往会经历各种恶劣的海况,在海浪的作用下船舶会发生不同程度的横摇运动,轻则影响船上人员的正常生活工作,严重时甚至会导致发生船舶倾覆等严重后果。通过人工神经网络来学习波浪环境与船舶横摇运动之间的响应关系,构建船舶横摇预报模型,对保障船舶的安全行驶作业具有重要意义。本文基于长短期记忆网络（LSTM）,构建起以波高信息为输入的横摇运动实时预报模型。在数据生成方面,利用线性叠加法生成了不同空间位置的波高时间序列,并使用AQWA软件进行水动力计算生成了船舶横摇数据和波高监测数据。在搭建神经网络模型的过程中,首先通过已知的上游波高对未知下游波高进行同时刻的预报,验证了LSTM神经网络具有学习不同空间位置波高时间序列之间映射关系的能力;随后,建立以上游波高为输入的横摇运动实时预报模型,使用互相关分析来预判模型的最佳预测时间间隔,经验证该方法具有可行性;通过分析发现,最佳预测时间间隔随上下游距离增大而增加,且得出了用于确定预报时间间隔的经验公式;在6级海况下,分别利用不同距离处上游波高对下游船舶横摇进行实时预报,预测数据与真实结果吻合较好,相关系数均在0.9以上,通过分析发现上下游距离变化对船舶横摇预报精度具有一定影响。本文还分别考虑了海况等级与船舶质量分布变化时的横摇预报。对不同海况下的横摇运动进行预报时得到,4级海况下横摇预报数据的相关系数在0.87左右,5级海况下的预测效果与4级海况相近,海况等级增大到7级时,预测数据的相关系数在0.95附近,预测精度明显提升。对于不同质量分布的船舶,在6级海况利用40m处上游波高对横摇进行预报,相关系数在0.95左右,说明本文搭建的预报模型在不同质量分布环境中均会保持较好的预测效果。本文搭建了利用波高时历预报船舶横摇时历的神经网络模型,对开发船舶运动预报系统以保障海上航行安全、改善航行舒适性有一定借鉴意义。