随着船舶数量的不断增加、运输任务的持续提升、经济活动的日益频繁,内河水域船舶的通航效率与运输效益问题日趋严重。船舶运行数据分析及能源效益优化是保障船舶航行安全、提升船舶营运效益的有效方法和主要手段。本文以内河水域船舶为研究对象,基于完整运输航程的运行数据,考虑复杂环境等多影响因素,提出了船舶航行状态识别、多站点日水位预测、运输航段划分等方法;构建了船舶缺失轨迹数据修复、航速估计、油耗率估计等模型;研究了完整航程船舶航行油耗与营运效益优化方法和模型,为提升内河水域船舶运行数据分析与能效优化水平提供了方法支撑和技术支持。主要的研究工作和创新成果包括:（1）内河水域船舶运行数据采集与分析。借助船舶数据在线监测系统采集了长江干线上海至重庆完整航程的船舶运行数据,提出了样本数据综合预处理方法和船舶航行状态识别算法,从而提取了船舶正常航行状态的运行数据集,为论文研究提供数据基础。（2）面向船舶运行的内河水域多站点日水位预测方法。针对长江干线沿线19个站点的日水位数据,提出了“分而治之”的两阶段多站点日水位预测方法。通过相似度度量和层次聚类分析进行多站点聚类,根据每一类站点日水位数据分解的周期性特征,基于长短时记忆神经网络和季节性差分自回归滑动平均等方法构建预测模型,提升了多站点日水位预测的效率和精度,为论文的后续研究提供支持。（3）基于聚类分析的内河水域船舶运输航段划分方法。针对完整航程的水位、水流、风速、风向等航行环境数据,基于密度聚类分析提出了运输航段划分算法。并且,运用长短时记忆神经网络构建模型对船舶轨迹缺失数据进行修复,将航段划分结果映射到船舶的实际航行轨迹,获取了完整航程的航段特征变量,以降低内河水域通航环境变化对运行数据分析和能效优化建模的影响,从而为航速估计、油耗率估计、完整航程能效优化研究奠定基础。（4）多元特征变量输入的内河水域船舶航速与油耗率估计方法。基于船舶运输航段划分方法,提出了一种普适性的“先分段后建模”的内河水域船舶运行数据分析方法。在特征变量相关性分析的基础上,基于广义神经网络和长短时记忆网络构建了多元特征变量输入的船舶航速估计模型和油耗率估计模型。通过案例分析和方法对比验证了模型的性能和优势,为完整航程船舶航行油耗与营运效益优化模型的构建提供支持。（5）考虑多因素的完整航程船舶航行油耗与营运效益优化方法。考虑内河水域复杂通航环境的影响,将完整航程的能效优化问题细分到每个航段。运用获取的航段特征变量和提出的航速估计模型、油耗率估计模型,以完整航程船舶航行油耗最低和营运效益最高为目标,通过对各航段的转速进行决策,考虑变量取值区间和航行环境的约束,构建了完整航程船舶航行油耗优化模型和营运效益优化模型。引入“同步-更新”机制,提出了改进的减小空间搜索算法,对优化模型进行求解,形成了完整航程最低航行油耗和最高营运效益的航行方案。通过案例分析和方法对比验证了本文提出的优化方法和求解算法的有效性和优越性。论文研究成果将在内河水域交通运输中得到应用,提升船舶运行数据分析效率,优化内河水域船舶航行方案,从而促进我国内河航运智能化、绿色化和可持续发展。