在实际工程中存在大量的非线性系统,船舶运动系统就是其中之一。由于受到海风、海浪及其他干扰因素的影响,船舶产生了复杂的六自由度运动,具有很强的随机性和非线性,为保证其航行安全,对其进行非线性建模预报就具有十分重大的意义。神经网络是当前最主要的智能控制技术之一,它模拟人脑的结构及其对信息的记忆和处理功能,具有擅长从输入输出数据中学习有用的知识的特性。本文从神经网络理论出发,深入地研究了BP神经网络和径向基函数网络及其相应改进算法,并用之于船舶运动建模预报,取得了比较好的效果。首先搜集整理了国内外有关船舶运动姿态预报技术的相关资料,学习了神经网络的基本理论,对BP神经网络进行深入研究和探讨,并使用共轭梯度算法对BP神经网络进行改进,使得网络性能得到改进,提高了预报精度。然后研究径向基函数网络(RBF)及其变形——广义回归网络(GRNN),并用之于船舶运动预报,取得了满意的效果。分析比较了上述几种方法的预报精度误差、训练算法速度、时间等性能指标。最后对训练样本数据个数、神经元个数的选择进行了探讨和经验总结。