随着海运行业的蓬勃发展,我国的水路货物运输量和港口吞吐量连续多年稳居世界第一。繁忙的水运带来了可观的经济效益,但也给区域的空气质量造成极大的压力。海上的碳排放主要来源于船舶,所以对船舶信息的研究可以让我们发现两者的内在联系。目前,船舶自动识别系统(Automatic Identification System,AIS)是船舶信息的主要来源之一,该系统已广泛装载在各类船舶中,特别是300吨以上的国际航行船舶、不从事国际航行的500总吨及以上的货船和不论大小的客船都强制要求配备AIS。该设备每天都会产生大量的AIS数据,其数据的潜在价值还有待挖掘。因此,探索AIS数据与船舶碳排放量之间的联系,发现海上船舶碳排放量的趋势和规律,并且研究开发海上船舶碳排放系统是十分必要的。本文针对海上船舶碳排放预测算法开展研究,建立船舶碳排放预测模型,设计出基于AIS的船舶碳排放预测系统。本文的工作主要有以下几个方面:首先,对船舶的AIS数据进行预处理,为之后的船舶碳排放预测奠定基础。AIS设备上获取的数据由于各种因素,有可能造成船舶轨迹点数据缺失、偏离或者超出正常数据范围。因此为了提高数据挖掘的质量,需要对数据进行清洗、转换,以确保AIS数据的一致性、准确性、完整性和可解释性。其次,对基于AIS数据挖掘的船舶碳排放预测算法进行研究。针对挖掘目标,使用逆向传播(Back Propagation,BP)神经网络、遗传逆向传播(Genetic Algorithm-Back Propagation,GA-BP)神经网络和遗传最小二乘支持向量机(Genetic Algorithm-Least Squares Support Vector Machine,GA-LSSVM)算法进行船舶碳排放预测。通过实验对比这三种算法的预测性能,并针对不同时间段的预测使用不同的预测算法。最后,设计并实现基于AIS数据挖掘的船舶碳排放预测系统。该系统包括界面与用户管理模块、数据预处理模块、预测算法选择执行模块和结果热力图显示模块,该系统将碳排放模型算法模块与系统各功能模块建立关联,使预测出的船舶碳排放情况在地图上直观显示,为相关部门提供理论参考和决策依据。