船舶作为海上运输的重要载体,是一项复杂而庞大的系统工程,同时其“高风险性”吸引了越来越多学者研究其风险管控。且随着大数据和人工智能的发展,打破了复杂系统风险评价由于难以获得数据而受困不前的困境。本文就以人工智能的基础理论——神经网络,针对事故后果极其严重的船舶航行倾覆风险进行评估。本文分析船舶航行风险要素,并结合风险的内涵,从致灾因子的危险性、受灾体的脆弱性以及恢复性三个方面计算风险,综合考虑航次中海洋气象、船舶状况、货物状况、船员以及外部救援等方面,构建船舶航行倾覆风险评价体系。该体系包含23个评价指标,本文针对每一个指标都进行了深入分析,针对每个指标分别提出其定量或定性量化的方法。在算例中以“新宝航87”为例实现了指标的量化工作。最后,根据BP神经网络原理构建船舶倾覆风险的网络结构,将23个风险评价指标作为输入值,查询整理了 50组样本数据,设计了两种方案利用Matlab实现了 BP神经网络的训练和拟合。比较发现,己具备一定网络结构的方案拟合效果更好。此外,BP神经网络的输出值与实际值比较,其误差在可接受范围,证明了网络的有效性。利用该拟合结果可预测计算大样本的船舶倾覆风险值。通过本文基于BP神经网络对船舶航行倾覆风险评价的研究表明,影响船舶航行倾覆风险的指标繁多且内部关系复杂,而BP神经网络通过对数据的学习,省去了复杂网络的构建,解决了船舶风险评价的一大难点,切实可行。