航运业是一个重资产的行业,船舶资产价值重大,造船业是航运业的基础。中日韩三个国家的造船业的订单量占据了世界绝大部分的市场份额,是世界造船业研究的重点。然而目前在这一领域的量化研究,多采用传统经济学研究方法。近年来,计算机科学领域数据挖掘、机器学习相关技术快速发展,应用领域也在不断拓宽。因此,本文将结合机器学习算法来对中日韩三国的造船业进行分析研究,探索中日韩三国造船业的订单量分析预测模型。本文选取了中日韩这三个世界造船业的主要产能国家为研究对象,首先阐述了该领域当前研究背景和现状,提出本文的研究目的和意义。本文选取了手持订单量作为预测目标,并根据经济理论和市场实际背景选取了对中日韩三国造船业手持订单量有较显著影响的8个影响指标进行预测建模。针对传统采用时序预测方法如灰色预测、ARMA预测仅对单一变量进行时序规律分析,忽略了其他指标对预测目标的影响的问题和缺陷,本文提出了使用回归进行造船手持订单量预测的改进思路。首先构建了基于多元线性回归的预测模型;针对指标间可能存在的非线性问题,提出了基于多项式回归改进的预测模型;又为了解决指标间可能存在的多重共线性问题,提出了基于岭估计的多元线性回归模型。针对预测目标的影响指标,构建了灰色时间序列预测,对影响造船手持订单量的特征指标进行预测。再次,为探索能更好的预测造船手持订单量的模型,构建了基于神经网络的预测模型。接着,针对灰色模型对指标数据集的利用不足的问题,同时为了实现对未来手持订单量的预测和进一步提高预测精度,提出了灰色-神经网络组合的FGBP-SOB与GBP-SOB模型改进思路,充分综合了GM(1,1)和BP神经网络模型的优势。实验证明GBP-SOB模型较单一模型具有更好预测效果。最后,为挖掘中日韩三国之间造船业存在的竞争关系,提出了基于Apriori算法的中日韩三国新接造船订单量涨跌联动情况分析模型进行研究分析。最后,本文将研究结果应用到中国-东盟海洋大数据平台的航运模块,实现中日韩造船订单量及指标检索、预测等功能,为平台提供研究和预测参考。