在海洋权益和能源竞争越演越烈的今天,船舶是国家发展海洋战略,缓解能源紧缺问题不可或缺的一部分。然而,复杂海面环境对船舶产生甲板上浪、减速、甚至结构损坏等影响。这就要求船舶具有良好的耐波性能。船舶垂荡和纵摇耦合运动是耐波性的重要研究课题之一。同时,高精度的船舶垂荡和纵摇耦合运动数学模型是航海模拟器行为真实感的基础。本文研究利用支持向量机(Support Vector Machine, SVM)对船舶垂荡和纵摇耦合运动进行辨识建模。主要包含以下几方面工作：首先,利用随机波浪理论,考虑风速和风区长度等影响,建立基于海浪谱的随机波浪干扰模型,进而建立不同海况下船舶垂荡和纵摇耦合运动模型,为下文模型辨识研究提供仿真实验平台。通过仿真实验分析不同海况下船舶垂荡和纵摇运动的特征。通过快速傅里叶变换分析说明海况等级越高,海浪对船舶的干扰作用越强。其次,采用随机减量技术使得能够在没有完整海浪信息的情况下辨识船舶垂荡和纵摇耦合运动模型。利用SVM辨识获得的模型进行船舶垂荡和纵摇运动响应预报,将预报结果同神经网络预报结果对比,仿真结果显示SVM能够有效克服神经网络泛化能力不足,易于过拟合的缺陷,且SVM的辨识精度不受阻尼系数变化的影响。最后,利用基于海浪谱的随机海浪干扰模型估计海浪对船舶的作用力和力矩,提出基于SVM的船舶垂荡和纵摇耦合运动模型参数辨识算法。分析了用于辨识的样本量以及海况等级对于辨识算法精度的影响,提出合理的辨识策略。以5级海况下1000个样本进行辨识建模,用辨识获得的模型分别对3级、4级、5级和6级海况下的船舶垂荡和纵摇运动进行预报,仿真结果显示利用本文提出的参数辨识策略获得的船舶垂荡和纵摇耦合运动模型的预报精度高,具有很好的泛化能力。