南太平洋长鳍金枪鱼是我国远洋渔业的重点捕捞对象,对南太平洋长鳍金枪鱼进行准确的渔场预报,可以提高捕捞效率,提高渔业的生产能力。本研究根据1993-2010年南太平洋长鳍金枪鱼的延绳钓生产数据以及海洋卫星遥感数据(海水表面温度,SST;海面高度,SSH)和ENSO(ElNinoSouthern Oscillation)指标,采用DPS(data processing system)数据处理系统中的BP人工神经网络模型,以渔获产量(单位时间的渔获尾数)和单位捕捞努力量渔获量(CPUE,Catch per unit of effort)分别作为中心渔场的表征因子,并作为BP模型的输出因子,以月、经度、纬度、SST、SSH和ENSO指标等作为输入因子,分别构建4-3-1,5-4-1,5-3-1,6-5-1,6-4-1,6-3-1等BP模型结构,比较渔场预报模型优劣。研究结果表明,以CPUE作为输出因子的BP人工神经网络结构总体上较优,其中以6-4-1模型结构为最优,相对误差只有0.006 41。研究认为,以CPUE为输出因子的6-4-1结构的人工神经网络模型,能够准确预报南太平洋长鳍金枪鱼的渔场位置。