随着经济不断飞跃,人们对船舶娱乐性的需求不断攀升,滑行艇作为水上娱乐船型受到了越来越多的关注。在滑行艇设计阶段,对滑行艇的综合性能要求较为严格:一方面,由于滑行艇速度快,要求其水动力性能优异;另一方面,作为娱乐型船舶要求具备较好的舒适性,即滑行艇的耐波性能较好。因此,改变滑行艇的几何形状,进而实现滑行艇阻力性能和耐波性能优化是我们的研究重点。本文基于水动力分析方法与机器学习技术相结合,分别研究了滑行艇在静水和规则波迎浪不同海况下的运动性能问题。本文主要研究工作包括:首先,基于计算流体力学（CFD）方法,计算分析滑行艇静水阻力及运动姿态问题。本文参考某滑行艇船型,使用Rhino软件通过修改艇型参数快速建模,建立滑行艇船型库。应用STAR-CCM+计算流体力学软件中的湍流k-ε模型、VOF模型求解非稳态RANS方程,对初始船型静水航行运动进行水动力数值仿真,并对数值结果进行了分析验证。然后,通过CFD仿真对变换船型的水动力性能进行数值模拟,建立滑行艇静水阻力和运动数据库。基于CFD计算数据,建立滑行艇船型优化流程,以神经网络作为近似技术,达到数据分析、建模和预报的目的,将代理模型与优化算法相结合,完成对滑行艇快速性的寻优,获得优化船型。最后,基于AQWA水动力软件,对变换船型进行耐波性预报,并利用AQWA计算数据完成耐波性优化,获得优化船型。为进一步验证优化效果,分别计算了不同航速、不同波幅下滑行艇的运动响应,包括纵摇和垂荡运动,并绘制纵摇和垂荡运动响应曲线,分析对比初始船型和优化船型的耐波性。利用AQWA势流理论计算速度快的优势,充分弥补CFD计算量大、耗时长的问题。本文研究结果表明,基于机器学习与CFD结合的船型优化设计方法,能够有效地减小滑行艇阻力、提高舒适性,为滑行艇船型设计提供借鉴与参考,具有工程应用价值。