随着北极航道的开通窗口逐渐变长,越来越多的海洋活动在北极开展起来。面对越来越多的破冰船和冰级船进入北极,北极也正面临温室气体带来的环境问题。在如今IMO对船舶的能效管理计划和航运业节能减排的大趋势下,对船舶进行油耗的预测和实时监控对于船舶减少航行过程中减少温室气体排放是至关重要的。本文以低冰级船为研究对象,基于经验公式和机器学习两种方法对主机油耗预测模型的构建。论文第一部分基于经验公式构建了阻力、螺旋桨效率、主机功率和油耗的关系,建立了通用的低冰级船舶油耗预测模型。模型对于静水、不同风浪和冰环境下能够预测其主机功率和油耗。特别对于低冰级船,考虑船舶主机的功率和转速限制,以芬兰-瑞典1A级目标船为例,分析了以恒定航速和恒定转速工况下的油耗性能并与冰区航行数据进行了比较。最后将模型集合成图形用户界面,方便用户对于船舶的油耗预测和管控。论文第二部分基于机器学习法对目标船一年的航行测量数据进行了航线划分、数据清洗、重采样等预处理,并对特征进行了相关性分析和Lasso回归分析。考虑了以油耗（kg/h）和油耗率（kg/nm）为预测目标,分析了不同航线数据集、不同回归算法的影响。通过结果分析,对划分后的航线数据集,其训练的模型性能比未划分航线数据集训练的模型更优,并得到以ANN人工神经网络回归算法最适用油耗预测的结论,在测试集中,以油耗为预测目标时的最小平均误差比为0.94%,在以油耗率为预测目标时的最小平均误差比为0.91%。本文还收集了来自目标姊妹船的三条新航线数据集,比较了油耗模型和油耗率模型在新航线数据集的预测结果,结果表明以油耗率为预测目标的模型预测平均误差比为3.70%,以油耗为预测目标的模型预测平均误差比为4.52%,得到了以油耗率为预测目标的模型的性能更优的结论。论文最后分析了经验公式法和机器学习方法的结论,对低冰级船主机油耗预测研究方法提供了基础方案和依据,其构建的油耗预测模型,能够实时预测航行油耗,为船舶企业更为合理地制定航线计划,提高燃油效率,从而为航运业节能减排提供参考和依据。