起重船作为一种海洋大型海上工程以及海难救助重大设备得到了迅速的发展。起重船在海上桥梁的吊装施工、海难沉船的打捞、海洋平台的施工与拆除等方面发挥着很大的作用,这些施工需求都使大型起重船的发展受到广泛的关注。海洋工程的作业过程是非常复杂的,并且是一个大型施工项目。随着海洋工程的不断发展,其对施工过程中所用到的起重船的要求会越来越高。这些需求使起重船的发展方向也发生了变化,尤其是在起吊能力、作业效率、安全性以及稳定性等方面。通过起重船各个压载舱中压载水的相互调拨,可以保证起重船在作业过程中的安全与效率。高效快速的得到压载水的调拨方案对于起重船作业起着重要的作用。近年来,通过理论数值算法得到压载水的调拨方案有许多,而神经网络作为一种新兴的机器学习算法,在该领域中的研究内容相对较少。通过对压载水调拨方案预测的分析,了解到该预测是一种复杂的非线性动态系统,传统的预测方法以及预测结果都不是很理想,而BP神经网络算法是一种比较成熟的算法,具有很强的非线性逼近能力、自适应能力和自学习能力,相比于其他神经网络,BP神经网络的分类预测效果更好。本文首先以传统方法得到的压载水的调拨方案作为BP神经网络模型的输入节点,通过实验确定BP神经网络的最优网络结构,建立BP神经网络模型,又与传统的数值算法进行了对比,以表明所建立的网络的合理性。其次通过对比数值算法与网络预测算法得到同一工况下的压载水调拨方案所消耗的时间,确定了网络预测算法的优势。最后通过网络预测结果表明,本文实现的基于BP神经网络起重船配载方案的预测系统具有收敛速度快和预测精度高的优点,结果具有很高的实用价值。但是该预测系统还存在一些缺点,如预测范围比较单一,只对某一条全回转起重船的压载水调配方案进行了预测,考虑的因素比较少、预测的精度尚有提高空间以及系统的实用性尚待进一步验证。本文的下一阶段是研究在考虑更多的因素下如何提高该系统的应用范围以及如何结合其他算法对BP神经网络算法进行改进,以便获得更好的预测结果。