随着“互网络+”时代的到来,网络计算机的应用已然成为人们普遍关注的焦点。互联网技术早已渗透到人类社会的各个领域,云计算以及各类新型社交网络平台的兴起使得人类社会的数据量和数据种类不断扩张,大数据的存储、管理和分析为人们带来了极大的挑战。云计算能够使用大量的廉价计算机采用集群来取代价格高昂的服务器,在很大程度上降低了计算成本。Hadoop的出现为人们解决海量数据提供了优良的平台,与传统的数据处理平台相比,它的好处就在于不仅能够对大规模数据进行存储、处理和分析,还能够在处理速度和计算性能上达到很好的效果。本论文通过借助大数据Hadoop分布式平台在海量数据处理上的优势,从而提高算法预测的效率及实用性,提出了基于Hadoop的多元回归大数据预测方法,并将其应用到系泊护舷压力的预测当中,提高系泊护舷压力预测的计算效率,进而增强预测方法的实用性和通用性。对于现今海量数据线性回归在单机运算中时间过长的问题,本论文设计并实现了一种MapReduce化的并行多元线性回归算法。在Hadoop平台上,使用了 HBase数据库来实现大规模文件的存储和容错,运用MapReduce的分布式算法模式来处理存储在HBase数据库中的数据,结合多元回归算法对系泊护舷压力数据进行预测,运用梯度下降算法对回归系数进行优化处理,取得最优解。最后,通过搭建好的Hadoop计算平台和HBase数据库,运行算法得出结果。通过实验,将Hadoop平台和HBase数据库运用到系泊护舷压力预测当中,采用多元回归大数据预测方法来实现系泊护舷压力的预测,极大的提高了船舶系泊护舷压力安全预警的效率和准确率。