航迹预测在自主式水下潜器(Autonomous Underwater Vehicle,简称AUV)航行安全中起到至关重要的作用。AUV在复杂多变的海洋环境中航行,航迹预测是辅助其躲避已知风险的最佳途径。然而,目前航迹预测主要针对航空领域和船舶运行领域,还没有针对AUV航迹预测的有效研究。并且传统的航迹预测多数应用建立运动学或动力学方程的方法,由于海洋环境对AUV运动影响随机性大,导致建立方程过程复杂且难以实现。因此,为了预测AUV航迹,迫切需要准确、可行的预测方法。本文针对AUV航迹预测的实际应用需求,建立了基于BP神经网络的预测模型,并应用AUV位置信息及海洋水文要素数据统计信息作为样本数据,实现了对AUV航迹的准确预测。具体研究内容及工作如下:首先,分析海洋环境要素中海流、潮流与潮汐对AUV航行的影响及AUV空间运动数学模型,明确采用多变量时间序列方法进行航迹预测,并明确应用海洋再分析数据作为海洋环境预测输入数据,使预测具有可行性。其次,根据航迹预测对AUV位置样本数据的要求,应用异常数据检验及灰色预测剔除异常值、补充缺失值。为加大海洋环境数据点密度,采用三次样条法对海流、潮流与潮汐数据进行插值。再次,深入分析BP神经网络,根据其特点及AUV航迹预测的实际需要,提出采用主成分分析、学习速率自适应和组合预测的方法改进网络。进而,建立原始模型、组合模型和海洋环境模型三种复杂度递增的预测模型。最后,本文以数据处理后的实测AUV位置信息及海洋环境再分析数据作为输入样本,利用Matlab完成三种预测模型的仿真,并最终应用海洋环境预测模型实现了 AUV航迹的准确预测。