石油作为国家的战略资源,是社会经济可持续发展的基础,同时,由于近年来我国的交通行业迅速发展,石油的消耗量也急剧增加,现已成为世界第二石油消费国,第三石油进口国。由此可知,石油的运输已经成为当前能源安全的重要议题。近年来,我国为了倡导环境保护,提出了低碳船舶的概念,这使得船舶运输的经济性问题成为了油船相关研究的一项重要议题。为此,我们与大连远洋运输公司成立了“油轮货油加温管理系统”研究小组,以研制更好的货油加温系统。本文采用了机器学习中的数据挖掘技术来探讨影响货油加温的因素对于货油加温的影响,并运用数据挖掘技术中的BP神经网络算法来拟合货油加温影响因素与蒸汽压力和加热时间之间的关系。基于此,本文运用MATLAB软件中的神经网络工具箱来对以往油船货油加温的相关数据进行学习,以期得到最佳加热方案的预测。本文首先对2007年至2011年的由大连远洋运输公司提供的关于连平湖号船舶的航行数据进行整理,筛选出学习样例及检测样例；然后运用MATLAB软件完成数据挖掘模型的建立,同时得出预测结果,并将预测误差控制在±5%之间。最后给出软件的应用方法。并提出了进一步完善该软件的设想。