据《2018年中国渔业统计年鉴》可知中国渔船总数量已达94.62万艘,其中以机动渔船为主,渔船的作业时不可避免地会在机器处所产生含油污水。虽然渔船的含油污水对水域环境的危害没有事故性的污染触目惊心,但也因为其排放的隐蔽性和长期性使海洋环境正遭受到油类慢性污染。现在正是我国由传统渔业大国走向现代渔业强国的关键时期,加大渔船防污染方面的研究投入显得极为重要。渔船在营运过程中造成的水污染物包括生活污水和机器处所的油污水,其中以排放油污水的危害最大。国内外对船舶油污水的排放主要是对商船进行严格规范管理的,对渔船的重视相对不足。本文研究制订的《沿海渔船油污水排放信息采集表》中囊括了众多影响渔船油污水中石油排放量的指标,在三个省市、七处水域和八个渔港进行渔船含油污水的排放现状的实地调研,共采集97份渔船样本信息,在实船上运用全层采样方法采集到的81份渔船含油污水的样品,运用紫外分光光度法和重量法进行了石油密度的检测。通过灰色关联理论筛选出便于量化的重要指标。建立支持向量回归机(SVR)的渔船油污水中石油质量的基本数学模型,为提高预测精度,引入粒子群算法(PSO)优化支持向量回归机(SVR)的惩罚因子C和核参数g,建立PSO-SVR预测模型。为了更进一步提高预测模型的求解精度和收敛速度,在PSO算法中引入动态调整的线性递减权重、非线性递减权重、基于粒子自适应权重、异步学习因子以及三角函数变换学习因子。通过MATLAB仿真实验计算,将PSO-SVR模型与BP和RBF神经网络预测模型仿真结果进行对比分析,证明了该模型的可行性和优越性。改进成12组参数不同方式调节下的PSO-SVR预测模型,在12组PSO-SVR预测模型应用于测试集数据的仿真结果中优选出预测精度最高的模型为最终的数学模型,增强对渔船油污水中石油年排放量预测结果的合理性。基于多种改进PSO-SVR的预测模型可以解决操作者对参数设置经验的不足问题,可以有效地减少实地调研和检测费用,该模型为渔船含油污水中石油排放量预测提供了新思路及有效方法。本研究最后在训练集样本来源地区选择了某小渔港内常年出海的27艘渔船信息作为测试集,作为一个算例,预测精度最高的一组算法计算出该港内的渔船含油污水中石油年排放量为166.5674kg。在训练集样本量一定的情况下,测试集样本量不会影响预测精度,只会影响计算时间。在获取足够多的相关测试集数据就可以预测出我们需要掌握的区域内的渔船含油污水中的石油排放量。本研究对我国渔船污染状况进行客观、全面、深入的调查,对于准确掌握我国渔船水污染状况,对含油污水中石油排放量的预测,发展可持续渔业经济,改善渔船有害排放具有重大意义。