海事事故一直都是航运领域关注和研究的重点问题之一,对事故信息进行分析是识别海事风险的重要途径。本文以海事事故数据库为基础,系统梳理了海事事故研究方法的发展过程;并提出在计算机信息处理技术的发展和大数据时代背景下,以数据挖掘为工具,对海事事故信息数据库开展相关研究。针对当前各海事局事故调查的统计格式和描述不统一的问题,以浙江海事局统计数据库为例,对原始数据库进行梳理与清洗,建立了标准化的海事事故信息数据库;并将海事事故的原始统计信息与描述进行变换、编码。同时,采用数理统计的方法,从人、船舶货物、环境、管理四个方面识别出各致因所占的比例,初步探究了海事事故致因因子及影响程度。为进一步研究海事事故各信息之间的定量关系,通过基于动态存储空间的改进Apriori算法、k-medoids和改进Apriori组合挖掘算法模型对标准数据库中的信息进行深度挖掘。在支持度阈值20%、置信度阈值50%的条件下提取出8条碰撞事故的关联规则;在支持度阈值10%、置信度阈值50%的条件下提取出12条非碰撞类事故的关联规则。挖掘实验结果表明基于k-medoids和改进Apriori组合的挖掘算法在提升值和挖掘精度上均优于动态存储空间的改进Apriori算法。最后,通过对关联规则的解析,定量分析了海事事故各信息之间的关系,识别出了浙江辖区海事事故风险的特征,并从海事主管机关、船公司和船舶驾驶员三个层面提供了合理化的措施与建议。该成果为海事主管机关识别海上交通风险、有针对性的排查安全隐患以及有目的性的加强海上监管提供了理论指导;为船公司对船舶安全营运及船员的安全管理提供了建议;为船员在面对复杂的海上环境时所需要判别的风险及采取的决策提供了参考依据。