本研究以“疏浚数字化”为最终目标,围绕这一主题利用现有疏浚实验台开展了多方面的数字化先导探索。针对现役挖泥船泥浆浓度测量方式（γ射线浓度仪）单一、故障影响施工连续性问题,本文提出了一种基于机理-数据双模驱动的泥浆浓度软测量方法。针对挖泥船施工监测界面抽象化、不利于操作员真切感受水下环境问题,本文设计了挖泥船三维模型可交互的实时施工数据监测平台。其中主要研究工作和结论如下:（1）提出一种基于机理驱动的泥浆浓度预测模型。通过分析绞刀切削泥砂过程和泥砂颗粒在绞刀内部的运动受力情况,基于数字仿真建模技术建立了绞刀切削泥砂过程的模型,推导并完善了泥浆输送过程的浓度预测模型。同时以浓度为关键参数,对泥泵特性和管道特性分别进行了分析,建立了泥泵-管道最优工况点匹配模型。（2）提出一种基于数据驱动的泥浆浓度预测模型。利用大数据、机器学习、数据挖掘等技术,基于实验台历史实验数据建立了数据驱动的绞吸挖泥船实验台泥浆浓度预测模型。利用堆积泛化（SG）方法对实验台数据进行学习预测,结果表明该方法的预测精度较高,性能优于其他机器学习模型。在此基础上分析了影响泥浆浓度预测的关键传感器特征重要度,研究表明在本文使用的数据中真空度对泥浆浓度预测的影响最大。（3）为验证两种模型的准确性,本文在实验台上分别设计了三种不同参数的各自五种工况条件进行实验验证。实验表明两个模型的预测精度表现较好,在大部分工况下机理驱动泥浆浓度预测模型和数据驱动泥浆浓度预测模型都保持在5%以内的误差率,但在吸口流速为3.5 m/s的工况下机理驱动泥浆浓度预测模型的预测偏差较大。（4）设计一套集参数实时监测、虚实交互控制、浓度智能预测等功能于一体的数字疏浚实验系统。利用Solid Works软件对实验台进行三维模型重建,在Unity3D中利用C#语言按照实验台的操作规程设计了三维模型的交互指令。在此基础上,利用实时通信技术、计算机图形技术和相关程序设计等将两种泥浆浓度预测模型和三维实验台模型同时嵌入到绞吸挖泥船实验台数字监测平台中,在该平台上可实现实验台的实时数据监测与显示,三维模型与物理实验台联动控制,泥浆浓度实时预测等功能。本文围绕“疏浚数字化”这一主题和挖泥船现存问题,在疏浚实验台上进行了初步探索。设计了一套具备人工智能预测、虚拟三维模型与现实交互控制的“浚、测、验”为一体的综合数字实验系统。