随着各种智能算法的出现,针对船舶运动数学模型的辨识建模及预报研究越来越多,各种智能算法在船舶运动辨识中得到了广泛应用,然而实现船舶运动的在线辨识依旧是该领域中的技术难点。本文基于预报误差法（Recursive Prediction Error method,RPE）算法,使用灰箱辨识的方法研究船舶运动数学模型,以期实现较好的参数辨识和运动预报效果。本文通过航海模拟器获得了静水中一艘大型油轮的操纵性试验数据,其中包括Z形试验和旋回试验的仿真数据。利用RPE算法进行系统参数辨识研究,通过对样本数据的学习,辨识得到线性和非线性模型参数,进行了运动预报,并与所测仿真数据进行比对,本文预报数据误差较小。本文针对“育鲲”轮测得的实船试验数据应用改进RPE算法进行了参数辨识,得到了线性状态方程和非线性状态方程的数学模型,利用辨识得到的模型进行状态预报,并与真实测量结果进行数据比对。实验结果显示,改进后的RPE算法相较于传统的RPE算法,收敛速度更快,并且在具有风浪流影响下的实船数据的应用中,具有更少的参数漂移情况及更良好的辨识效果。最终的预测结果表明改进后的RPE算法具有良好的收敛性和较小的预报误差,其可以用于船舶操纵运动数学模型的研究以及下一步对船舶运动状态的在线预报及控制。主要工作如下:（1）本文对RPE算法的原理进行了介绍。（2）针对改进RPE算法中的参数漂移状况,使用航海模拟器中的仿真试验数据,对其参数漂移状况进行了分析,并利用获得的参数进行状态预报,与实际测量数据对比,有较好的精度。（3）利用“育鲲”轮实船测试数据对四维非线性状态空间数学模型进行了参数辨识,并将获得的参数代入数学模型中进行运动状态预报,并与余下的实测数据进行对比,取得良好的预报结果,为改进RPE算法应用于实船运动在线预报做了有意义的探索。