航运业的快速发展虽然满足了国际贸易对海上航运业的需求,但对海上交通安全造成了很大隐患,所以船舶避碰研究一直是一个重要研究课题。避碰决策技术是船舶自主航行技术体系中的一类,为了使避碰决策系统的运行速度更高、知识表达效果更好,常常将智能算法和传统算法相结合来研究船舶避碰。确定避碰时机是研究避碰决策技术的难点,而避碰时机又是由碰撞危险度来确定的。本文基于真实碰撞事故的AIS历史数据,利用神经网络训练碰撞危险度预测模型,提出3种研究方案来提升预测模型的精度:利用LSTM神经网络预测时间序列的优势来预测碰撞危险度,网络输入为计算碰撞危险度所需的中间数据,实验结果表明该方法比用BP神经网络训练AIS原始数据的均方误差小;利用BP神经网络分别训练适用于开阔水域的AIS原始数据、适用于受限水域和考虑船间效应时的原始数据,结果表明针对于受限水域或考虑船间效应时的碰撞危险度预测模型,MSE更小;提出先用LSTM神经网络预测两船未来航行轨迹,将预测结果作为输入来训练碰撞危险度预测模型,实验结果表明该方法最终的MSE要小于直接利用AIS数据训练神经网络的MSE。最后用避碰决策程序来验证对遇、追越、交叉相遇这三种会遇情形的避碰效果,结果表明先预测未来航行轨迹再计算碰撞危险度可以达到提前动态预判未来两船碰撞危险的效果。