随着船舶自动识别系统（AIS），电子海图显示与信息系统（ECDIS），全球定位系统（GPS）等一系列现代化、信息化设备在航海领域及海事交管部门的运用与普及，越来越多的研究者投入到如何有效地从这些设备接收到的海量数据中挖掘有用信息的研究中来。在众多研究中，对于海事交管部门而言，船舶异常行为的智能发现与预测尤为重要。课题从实验平台搭建到船舶航迹聚类再到异常的发现与预测，层层递进地论述了一种对基于航行轨迹的船舶异常行为作预测的算法研究。在基础实验平台方面，搭建了算法研究所用的基于S-57等国际相关标准的电子海图显示与信息系统实验平台。其中，详细阐述了该实验平台的开发技术、模块分类、设计与实现方面的内容。在航行历史轨迹的挖掘方面，从船舶自动识别系统的数据解码过程入手，将所得船舶历史数据作为数据源。以DBSCAN算法为理论基础，在VS2008和SQLServer2005环境下构建仿真实验，挖掘船舶历史航迹图谱。该密度聚类过程得到的正常船舶航迹图谱可以作为判定船舶航行是否异常的一种标准。在船舶异常预测方面，根据密度聚类得出的航迹图谱，结合卡尔曼滤波算法对船舶航迹进行预测。将算法结合电子海图实验平台，对于预测出的异常船舶在电子海图中给予实时的告警。最终，该算法研究通过对异常船舶的预测与告警，以达到辅助海事交管部门对海上异常船舶智能监管的作用。