海上安全监督管理技术一直是海上交通工程领域的重要研究方向,其中船舶安全检查作为提高海上交通安全水平和运输效率的重要手段,有利于保障水上人命财产安全和防止船舶污染水域。根据实施检查的管辖性质的不同,船舶安全检查可分为船旗国监督和港口国监督两大类。港口国监督作为船旗国监督的重要补充,从1982年产生后不断发展,对整个航运业产生了巨大影响。我国所属的区域性港口国监督备忘录——东京备忘录于2014年启用了新检查机制,其选船机制分为两个优先级(优先级1和优先级2)。本文首先介绍了东京备忘录的新检查机制,分析了东京备忘录新检查机制的特点,经研究发现东京备忘录新检查机制没有优先级2的可检船如何进行选择检查的相关规定,而且由于过去的检查机制没有划分检查级别,所以缺乏对优先级2的可检船的相关定量研究,过去的选船模型也就难以满足现状的要求。针对这一问题,本文提出了基于主成分分析和极限学习机的港口国监督选船模型。本文基于东京备忘录的港口国监督数据库获得了 2017年的部分港口国监督数据,通过计算得到了随机的100条优先级2的可检船的检查数据。其中选船指标主要参考东京备忘录新检查机制选取,然后基于全面性和可获取性的原则,利用数据库中的资料丰富选船指标。本文首先对样本数据进行了 Pearson相关性分析,然后结合Kaiser Meyer Olkin测量和Bartlett球状检验,分析发现选船指标之间存在一定的相关性。为了减少指标间相关性的影响和降低样本维度,利用主成分分析对样本数据进行处理。本文引入极限学习机理论,对主成分分析后的样本进行拟合预测,通过学习历史数据预测到港船舶的滞留和缺陷情况以确定是否登船检查。最后进行结果分析,将预测结果与实际结果加以比较,验证了模型的可行性。针对优先级2的可检船的检查优先顺序问题,该模型避免了主观因素的偏差,考虑了参数间的相关性,可为港口国监督选船提供决策支持。