西北太平洋公海渔业是我国近年来大力发展的远洋渔业项目,日本鲭（Scomber japonicus）作为该区域的主捕鱼种之一,主要使用的网具为船敷箕状敷网和撑开掩网掩罩,并辅以灯光进行鱼诱。因为黑潮和亲潮（千岛寒流）西边界流的相互作用和影响形成了以日本鲭为主的中上层鱼类的丰富资源量。随着西北太平洋渔业的快速发展,该海域的渔情预报技术也显得尤为重要,远洋企业对渔情预报技术的要求愈加精细化,远洋渔船对渔场信息则要求多元化和可视化,而基于机器学习的渔场预报模型的构建能更好的满足企业和作业渔船的要求。本研究选择时间范围为2014-2020年西北太平洋日本鲭的历史渔获数据以及获取同期的海表温度（Sea Surface Temperature,SST）数据,该数据来源于NASA的中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer,MODIS）的三级产品。首先以0.2°×0.2°的空间分辨率分析日本鲭CPUE的时空变化情况,并且通过分析日本鲭渔场重心月际间的变化情况研究日本鲭渔场重心的变化规律及日本鲭的洄游特征,利用GAM模型对时空因子和海洋环境因子进行筛选完成数据集的组成,即利用日本鲭渔获信息与SST进行匹配构建数据集,其中包括对数据集的预处理以及数据集增强,随后建立了GAM模型、Alex Net和VGG16卷积神经网络模型进行特征提取工作,最终,利用真实的渔场信息对三个模型的应用效果进行对比分析,指标包括识别为正确个数、识别错误个数以及最终模型准确率等,在此基础上还完成了优化参数对卷积神经网络预测效果的影响实验,总体上完成了西北太平洋日本鲭渔场预报模型的构建。研究结果如下:1)研究西北太平洋日本鲭渔场的时空变化情况,结果如下:2014-2020年西北太平洋日本鲭年平均CPUE整体呈现减少的趋势;3月至8月CPUE水平较低,9月至11月CPUE水平全年最高,为西北太平洋日本鲭的盛产期,CPUE平均值为17吨/网;经度方向和纬度方向都出现折回的现象,经度方向上表现为由西向东再向西折回的变动趋势,在纬度方向表现为先向北面移动后向南面折返的规律,9-11月份渔场重心更偏向东北海域。2)利用西北太平洋日本鲭2014-2019年的历史生产数据以及SST遥感数据,结合渔场的时空变化规律,构建了基于时空因子和海洋环境因子SST的GAM模型,结果表明:按照日本鲭渔场重心变化规律将训练集分为两组分别进行训练效果优于不分组进行训练,构建的GAM模型取得了平均60.32%的准确率,64.64%的召回率,62.19%的F1得分,并且在预测高产月份（9-11）的效果均优于低产月份（4-8）,表明该模型在西北太平洋日本鲭渔场预报中有一定的有效性。3)利用日本鲭渔获信息与SST数据构建了四通道信息的数据集,并通过随机偏移和旋转对数据集进行增强,将数据扩增了6倍,构建了基于深度学习原理的Alex Net和VGG16卷积神经网络对日本鲭渔场进行预报,Alex Net模型和VGG16模型最终分别取得了最高76.91%和82.66%的测试准确率;利用2020年真实日本鲭渔场信息对模型的实际应用效果进行效果验证,Alex Net模型最终取得了平均55.69%的精确率,72.95%的召回率,F1得分平均为62.98%;VGG16卷积神经网络模型最终取得了平均58.45%的准确率,74.59%的召回率,F1得分平均为65.53%;综合来看,相较于GAM模型和Alex Net模型,VGG16模型更适用于西北太平洋日本鲭渔场预报模型的构建。