随着近年来舰载设备和人员抗冲击问题的深入研究,积累了大量的船舶冲击环境数据,并且出现了以神经网络为代表的智能预报方法。但是,利用神经网络对冲击环境预报还存在预报精度不足、预报结果不稳定等问题,其核心问题之一为预报模型输入数据处理不充分。在此背景下,为了提高智能预报方法的精度和稳定性,本文针对船舶冲击环境智能预报时神经网络输入数据特征的处理方法进行深入研究,进而提高预报精度。本文为船舶方案论证阶段以及新研船舶抗冲击能力论证等情形提供一种冲击环境获取方法。具体研究内容如下:（1）本文以实船为对象,通过仿真计算得到大量的冲击环境数据,利用My SQL软件对数据进行分类和存储,对冲击环境数据进行结构化、标准化存储,形成冲击环境数据库,并搭建操作界面,便于数据的增、删、改、查等操作,选择PSO优化算法对PNN神经网络进行优化。（2）对PNN网络模型的适应性进行分析研究,分别设置优化模型和PNN神经网络的相关参数,基于以往研究分析经验,筛选对船舶冲击环境影响权重较高参数,最终将输入参数定义为经过量级统一后的11×9)维参数并利用该参数作为输入对船舶内底和1甲板冲击环境进行预报。（3）从量纲分析的角度出发,提出一种新的数据特征处理、降维方法,参考量纲分析的思路,把问题所涉及的物理量按属性进行分类,进而找出不同物理量之间存在的联系,将原始的数据特征转换为无量纲物理量,本文将量纲分析法运用到数据特征处理当中,其基本思路和方法亦可用于其他问题的数据处理、降维的研究当中。（4）利用特征提取方法方面综合分析处理后数据对预报结果的影响。对神经网络输入参数进行处理,分别利用PCA主成分分析法和PLS偏最小二乘法对神经网络输入数据的特征进行处理,降低输入参数的维度,减弱原始数据之间的关联性,使数据之间的重复信息得到剔除,得到更为优化的输入数据,利用得到的数据对船舶的冲击环境输出各谱值进行预报,最后对比分析了各不同方法预报结果的稳定性和精确度。