传统的时间序列分析与预报理论是以线性模型为基础的，对线性系统有较好的效果，但不适用于非线性系统的时间序列建模与预报。而在实际工程中由于存在着大量的非线性系统，因此研究非线性系统的建模与预报方法有很重要的意义。而大型舰船在波浪中的运动由于受到海浪、海风及其它干扰的影响，舰船产生了六个自由度的复杂运动，具有很强的随机性和非线性，这就导致了对舰船运动姿态极短期预报具有相当的困难，无论是在理论上还是在实际工程应用中都需要进一步的探讨。 本论文从非线性系统建模与预报的理论及应用观点出发，系统地阐述了一类适用于非线性系统的建模预报方法——基于DRNN模型的建模预报方法，克服了AR模型仅局限于线性的情况，同时结合逼近论、数理统计等知识，运用共轭梯度算法，提出并建立了基于对角回归神经网络的大型舰船运动建模预报系统，并进行了仿真。本文主要研究了DRNN模型的建模预报方法及其在大型舰船极短期预报中的应用的各方面的内容，主要完成的工作如下： 1．本文将神经网络理论与非线性系统建模与预报理论相结合，提出了一种适用于非线性系统建模与预报的方法——神经网络方法。 2．围绕着基于神经网络的建模与预报方案，在对不同的神经网络模型进行研究的基础上，根据舰船运动历史数据的特点，对神经网络模型进行了筛选，选择适合舰船运动极短期建模与预报的神经网络模型。 3．针对舰船运动姿态极短期预报问题，主要研究了DRNN模型的建模与预报方法，对该算法进行了推导，并推导出了多步预报的递推算法，还给出了该网络的收敛性定理的证明。最后将此模型应用于舰船纵摇运动的极短期预报，并从统计理论的角度对仿真结果进行了分析，分析结果表明该方法是合理可行的，确实提高了预报精度，加长了预报时间。