近年来,随着“数字航道”建设的推进,我国主要内河包括长江、西江及黑龙江等航道管理部门已经掌握和积累了大量的电子航道图、航标和水位等多方面的航道感知数据成果,并且通过网站、APP和微信等形式向社会公众提供航道信息服务。然而目前服务的大多数航道信息只是经过简单分析和处理的实时动态或历史数据,对数字航道感知到的海量数据的挖掘还不够深入,难以提供能更好反映航道要素关联关系及演变趋势的智能服务。本文针对这一问题,切合“智能航道”的发展趋势,利用最新的人工智能技术对内河航道信息的智能服务展开研究,构建了基于Tensorflow的航道智能服务系统架构,并进行了实现和示范应用。本文完成的主要研究工作如下:(1)对内河航道智能服务模式及技术进行分析和探索,确定了以Tensorflow、Tensorflow Serving和Docker等为核心的技术方案。并以智能服务分层思想为指导,设计了包含智能层、传送层、交互层的内河航道智能服务总体架构。(2)以水位预测为应用场景,研究了基于LSTM的智能水位预测模型及其在Tensorflow中的实现。以Tensorflow serving和Docker为技术核心设计和实现了内河航道智能服务系统的部署架构。从而实现了航道智能服务模型从构建、训练、部署到服务的完整流程。(3)基于gRPC和RESTfu1API,研究了在APP、Web浏览器等不同客户端中航道智能服务的应用模式。设计了智能服务系统与现有服务系统的集成方案,并针对船舶导航APP中智能航线规划场景,实现了传统服务与智能服务的交互和应用。本文以Tensorflow、Tensorflow Serving和Docker为技术核心,深入研究了内河航道智能系统的架构以及其中模型的训练、部署和应用等环节,并进行了示范性应用,是对内河航道智能服务一次全新的有益探索,对于未来智能航道的建设与发展具有一定的借鉴价值。