随着世界航运业的迅速发展，大量船舶投入运营，但因船用柴油机排出的有害气体造成的空气污染也越来越严重。针对这一情况，国际海事组织制订了相关公约来限制这些有害气体的排放。因此掌握其排放特性从而有效控制其排放具有非常重要的意义。本文将人工神经网络理论引入到船用柴油机NOx的排放特性预测研究上，利用MATLAB软件建立BP神经网络模型对NOx的排放特性进行预测、分析。BP神经网络模型依据的是普通试验设备、少量试验数据，与发动机的数学模型无关。这种研究方法所需试验规模较小，可减少试验成本，是一种快速、准确、有效的方法。主要工作有：
　　 第一，本文论述了针对船用柴油机排放特性研究的方法以及国内外研究现状。详细讲述了BP神经网络建模的有关基础知识。
　　 第二，进行学习样本选取试验方案设计，用均匀设计法选取具有代表性的样本工况点。通过W6L20C型柴油机进行相关数据的测试，利用碳/氧平衡法计算出各工况点下NOx的质量流量，得出建模所需的训练与测试用样本。通过网络误差与性能的比较确认BP神经网络模型的隐层神经元数、网络训练次数、学习率等相关结构与训练参数。利用MATLAB软件编程对网络进行训练并进行泛化能力分析，最终确定船用柴油机NOx排放特性预测模型。
　　 第三，利用建立好的BP神经网络模型对W6L20C船用柴油机NOx的排放特性进行预测、分析。
　　 该模型预测精度较高，其仿真输出数据与样本的输出数据吻合良好。对训练样本仿真输出的相对误差在0.4％以内；对测试样本的仿真输出的相对误差在5％以内，能有效预测船用柴油机NOx的排放特性。