在众多交通运输方式中,水路运输以其成本低、运输量大等特点被普遍认可和接受,水上交通运输发展迅速,但是由于船舶运输易受自然环境影响、灵活性差等特点,船舶碰撞事故时有发生,造成不同程度的财产损失、人员伤亡和环境污染。为了尽可能降低船舶碰撞风险,本文以船舶碰撞事故为研究对象,对船舶碰撞事故概率和后果进行分析和计算,主要内容如下:(1)搜集海洋船舶碰撞事故调查报告,统计事故致因因素(包括人、组织、管理、设备、环境等因素)、船舶属性(包括船龄、吨位、船舶类型、碰撞位置、会遇方式、配员数、船舶速度等)、船舶碰撞造成受伤人、死亡人数和船舶受损情况等;对致因因素进行分类、编号。对船舶各属性进行等级划分;以受伤人数、死亡人数和船舶受损情况为指标,采用后果当量法量化后果。(2)改变Apriori算法候选项集生成频繁项集的顺序,减小扫描数据库的次数,对该算法进行改进,对改进前后算法进行比较,证明改进后算法可以减少扫描数据库次数;用改进后的Apriori关联规则算法对统计分析后的致因因素进行分析,发现对海洋船舶碰撞事故影响较大的因素依次为:瞭望不当、对碰撞危险度估计有误、操纵不当、未及时采取行动和人员沟通不充分。(3)分别建立船舶属性对海洋船舶碰撞事故造成人员受伤、死亡情况、船舶受损情况和整体碰撞后果的CHAID(Chi-Square Automation Interaction Detector,卡方自动化交互探测器)决策树模型,发现对人员受伤、死亡、船舶受损和整体后果影响较大的船舶属性依次为:船舶类型、碰撞位置和会遇方式。选择小型船、客船、常规货船为主要研究对象,根据决策树模型,找到其分别对应的船舶属性分级情况。(4)建立BP神经网络,统计所得船舶属性作为输入,碰撞后果作为输出,对BP神经网络进行训练和检验,使得到的模型正确预测事故后果等级的概率达到90%以上;对决策树模型确定的类型船舶属性分别进行排列组合,然后分别作为训练好的BP神经网络的输入节点重复计算,得到三类船舶发生碰撞不同后果严重程度的概率,得到渔船、游艇等小型船发生碰撞事故后果严重程度为一般、严重、非常严重的概率分别为0.602778,0.322222,0.075,客船分别为0.9963,0,0.0037,常规货船为0.9333,0.025,0.00417。根据进出港船舶的属性,可以用所建BP神经网络对其发生船舶碰撞事故后果进行预测。(5)根据统计数据,计算渔船、游艇等小型船、客船、常规货船的碰撞概率,结合神经网络计算的后果,得到小型船发生一般、严重和非常严重事故后果的风险分别为:2.321483E-03,1.240976E-03,2.888480E-04,客船对应分别为:1.82828E-05,0,6.78975E-08,常规货船分别为8.99076E-05,2.40833E-06,4.01709E-07。可以看出小型船发生碰撞事故风险最高,总体发生一般事故风险最高,非常严重事故最低。