基于人-机-环境系统工程理论,研究了船舶机舱模拟训练评估问题,建立了船舶的角色-任务-资源系统协作训练模型,提出了基于专家系统和机器学习的智能评估方法,并用于改进三维机舱协作训练系统;建立了船舶机舱模拟训练情景知识库、任务知识库和评估指标体系,结合专家经验和评估规范提取评估规则,采用遗传算法优化后的权重对数据进行多重模糊综合评判;针对实际的评估问题构造合适的机器学习网络结构,利用BP神经网络和深度学习算法具备的自学习优势,以简化运算步骤;将评估指标数据进行归一化处理后作为评估模型的输入数据,将评估结果作为目标数据,采用稀疏自动编码器对大量数据样本进行特征变换,深入学习样本特征并用于分类评估,经反复训练后得到较好的评估模型;对基于专家系统和机器学习的智能评估方法进行了对比分析。分析结果表明:经遗传算法优化的评估结果误差明显较小,平均绝对误差为0.761分,平均相对误差为0.983%,均方误差为0.938分,最大误差为2.263分,最小误差为0.248分;对于较简单任务的评估,基于机器学习评估的最大绝对误差为3.521分,最小绝对误差为0.304分,较好的深度学习评估网络的所有指标的评估误差均可小于1分。