加快长江航运发展己上升为国家战略,而发展长江航运必须以安全为前提和保障,水上安全预警管理工作必将加强。现阶段对长江干线水上交通安全预警管理研究较多,但其中的多因素耦合的安全预警模型研究则相对较弱,适应性较差。因此,多因素耦合预警模型则成为进一步研究的方向,并结合对通航环境、航行船只、动态交通流安全状态的实时数据采集,实现对长江通航的实时动态监管,将安全监管从事后向事前、从被动向主动、从经验向科学的转变,对于促进内河航运安全畅通,提高整体运输效率,具有重要意义。本文是笔者参与交通运输部交通运输建设重大科技专项“长江黄金水道重点航段安全保障关键技术研究”(201132820190)部分研究工作的成果。将现代应用数学方法、信息论、概率统计与安全系统工程等理论和方法,引入水上交通安全预警管理研究中,从大系统角度出发,重点开展基于多因素耦合的长江干线水上交通安全的预警技术研究,主要研究内容包括三部分。1)根据统计的历年长江干线水上交通安全事故,分类总结事故特点,探究长江干线水上交通安全风险因素,为预警指标体系的构建提供依据。结合长江干线安全监管工作实际,分析安全监管与预警管理的现状与存在的问题。2)分析水上交通安全风险因素,设计长江干线水上交通安全预警指标调查问卷并开展调查,在此基础上,构建4大类11亚类共33个指标、具有实时动态性的长江干线水上交通安全预警指标体系,并确定各指标的阈值。根据不同航段特征,从事故诱因与事故发生次数间的关系出发,采用ABC分析法,分别构建长江干线浅险和繁忙航段水上交通安全预警指标体系。3)研究基于多因素耦合的预警模型。构建了基于贝叶斯网络的多因素耦合预警模型,并进行了算例验证。构建了基于结构方程加权、BP人工神经网络的长江干线水上交通安全多因素耦合预警模型,前者以显态的指标权重进行水上交通危险程度的预算,后者则以非显态指标权重进行水上交通危险程度的预测。针对长江干线浅险航段特征,在100个事故统计基础上,进行了实证研究,两模型预警结果一致,可相互验证。研究显示,两种模型方法相辅相成,可提高水上交通安全预警的准确性和可靠性。本文构建的具有实时动态性的长江干线水上交通安全预警指标体系,基于结构方程加权多因素耦合和基于BP人工神经网络多因素耦合的长江干线水上交通安全预警模型,及实证研究,具有创新性和较强的实用价值。