航标是标示航道方向、界限与障碍物的标志,用于引导船舶航行与定位,在保障水上通航安全方面发挥着重要作用。浮标作为水上悬浮体,其位置会不断发生变动,对内河航道安全影响较大。深入挖掘航标漂移运动规律,合理地预测短期内航标漂移位置和距离,对于保障船舶航行安全和防碰撞预警至关重要。本文基于数字航道的航标GPS位置数据和航道水位数据,对航标漂移特性进行深入研究,利用深度学习方法,建立了基于GRU和注意力机制的航标漂移预测模型,并结合航标信息服务的需求,设计实现了航标智能服务信息系统,实现航标漂移预测模型的应用。本文的主要工作如下:首先,基于航标运动特征,分析了水位因素影响下航标的运动规律,利用皮尔森相关性分析方法分析了水位与航标位置经度、纬度、位移量的相关性,采用回归分析建立了水位-位移量拟合模型,确定了航标漂移预测模型的输入特征组成。然后,将循环神经网络应用于航标漂移预测问题中,提出基于Attention-GRU的航标漂移预测模型,并同基于ARIMA、LSTM、GRU建立的预测模型进行对比分析。在长江下游多个航段的观测数据集上分别进行实验,通过RMSE、MAPE等评价指标在经度值、纬度值、漂移距离三个维度上的预测结果分析表明:基于循环神经网络的深度学习预测方法相比传统的ARIMA方法具有更高的预测精度,且本文提出的基于AttentionGRU的预测模型具有最高的预测精度。最后,设计了航标智能信息服务系统的总体架构,根据系统功能需求,基于SSM框架利用Vue、Open Layers等技术完成在线海图发布、航标报警等功能开发,并利用Tensor Flow Serving技术实现航标漂移预测模型的在线部署及应用。论文提出的航标漂移预测模型实现了对航标短期内漂移位置和漂移距离的预测,设计开发的航标智能信息服务系统可提供航标漂移报警、漂移预测等功能,研究成果可提升航标信息服务智能化水平和管理效率,对于保障船舶航行安全具有很好的应用价值。