利用自动识别系统数据准确预测船舶运动，对海事安全、避碰、异常检测与国家安全具有重大意义。然而，当前预测方法在处理非线性海事行为、有限的数据质量以及数据固有的复杂性方面存在困难。本研究利用美国水域的AIS数据集，运用现代预测模型以实现精确的轨迹预测。制约因素包括完全依赖历史AIS数据以及无法追踪未发送信号的船舶。研究对来自美国水域的AIS数据集进行了预处理，针对关键特征进行了工程化处理，并使用多种机器学习架构进行分析。经过大量测试、审慎且有目的的特征工程以及迭代式模型调优，本研究确定前馈神经网络为最准确的预测方法，在短期海事导航预测中表现优于Transformer模型，这可能源于船舶在极短时间内倾向于保持其当前行为模式。这些发现支持了将轻量级神经网络用于短期海事导航安全应用，为将环境数据整合到未来模型中奠定了基础，同时也普遍证明过于复杂的模型可能产生内部冲突、高估动态性或过度应用罕见行为模式。