我国有着丰富的水域资源,水路运输是一种非常重要的交通方式。我国大部分的外贸运输都是通过水路运输完成的。改革开放以后,随着与世界贸易的不断加深,国家对水运行业的大力投入,沿海城市愈加活跃,水运行业发展前景广阔。水路运输作为一种交通方式,出现交通事故是不可避免的,由于运输方式的原因,事故的后果往往比较严重。因此,运用数据挖掘、机器学习、模式识别等先进技术,帮助水运管理部门分析、探寻水上安全事故发生的深层次原因。在一定范围内,对水上交通事故进行合理的分析预测,预防事故的发生,具有十分重要的意义。本文通过了解国内外水上交通事故的研究情况,结合已有的研究方法及成果,学习相关算法,提出利用贝叶斯网络技术作为建立成因分析与预测模型的核心方法,并根据水运交通事故的数据特点及研究的目的,提出了一种基于特征聚类、特征映射的贝叶斯网络改进方法,利用该方法建立模型,得出一些对预防事故发生具有指导意义的规则。本文主要进行的研究工作如下:首先,分析水上交通事故的影响因素,根据数据特点,选取合适的特征。并结合专家的意见,利用数据缺失值填补技术、数据离散化技术,对数据做预处理。其次,研究数据挖掘算法,主要有关联规则算法、贝叶斯网络结构学习算法、概率推理算法、聚类算法、神经网络算法等,根据研究目的,将这些算法结合起来,提出了一种基于特征融合的贝叶斯网络结构学习算法,用于构建模型。最后,利用该算法实现了水上安全事故的成因分析与预测模型,根据贝叶斯网络结构进行事故的成因分析,利用网络结构及概率推理算法进行预测分析。研究并实现的水上安全事故的成因分析与预测模型,利用真实的海事数据,分析出人为因素、地点因素、船舶因素、天气因素等对事故严重程度的影响,对现实有一定的指导意义;利用模型的预测部分对事故的严重程度进行预测,得到较高的准确率。