随着国际贸易规模的扩大,海上交通运输量快速增长,在交通流较大及态势复杂的海域,易发生水上交通事故,造成人员伤亡和经济损失。基于船舶交通服务系统提供的AIS数据,提高船舶航行过程中的安全决策水平,能有效对船舶航行进行实时的监控、评估,及时发现船舶异常行为,降低水上交通事故的风险。本文基于AIS数据样本,利用数据挖掘和机器学习理论,研究适用于船舶航行状态预测的算法模型,构建基于Stacking模型融合的船舶航行状态预测模型。我们利用船舶航行历史数据来训练模型,预测船舶未来时刻的航行状态,并对实验结果进行了分析与研究。本文主要研究的工作如下:1.我们简要地介绍了基于AIS数据的船舶航行安全评估问题的研究背景和研究现况,以及本文研究的主要内容。同时,我们系统讨论了AIS数据结构和数据预处理的方法,以及Stacking融合算法和基分类器的原理。2.我们对AIS数据进行了分析及预处理,为基于AIS数据的船舶航行状态预测模型准备实验数据,并构建基于Stacking模型融合的船舶航行状态预测模型,介绍了双层模型中分类器的选择与实验过程,优化了模型参数。3.我们通过比较Stacking模型与基分类器的学习曲线,对比分析实验结果,并计算模型预测准确率,评估模型的预测效果。最后,基于本文搭建的模型,我们使用了新的AIS数据进行了实验与结果分析。结果表明,利用机器学习的Stacking模型融合的船舶航行状态预测模型能取到很好的预测效果,模型预测准确率能达到97%以上。