【摘要】为了提高大西洋大眼金枪鱼渔场预报模型的准确率，本研究利用13艘中国延绳钓渔船2013—2019年的渔捞日志数据和对应的海洋环境数据（海表面风速、叶绿素a浓度、涡动能、混合层深度和0～500 m水层的垂直温度、盐度和溶解氧等），以天为时间分辨率、2°×2°为空间分辨率、以数据集的75%为训练数据建立了k最近邻(KNN)、逻辑斯蒂回归(LR)、分类与回归树（CART）、支持向量机（SVM）、人工神经网络（ANN）、随机森林（RF）、梯度提升决策树（GBDT）和Stacking集成（STK）渔情预报模型，以25%的测试数据进行模型性能测试、比较。结果表明：（1）STK（由KNN、RF、GBDT模型集成）模型的大眼金枪鱼渔场预报性能较KNN、LR、CART、SVM、ANN、RF和GBDT模型有所提高且相对稳定，上述模型对应的准确率和ROC曲线下面积（AUC）依次分别为81.62%、0.781，79.44%、0.778，72.81%、0.685，74.84%、0.717，73.67%、0.702，67.70%、0.500，80.96%、0.780和78.13%、0.747；（2）STK模型预测的中心渔场与实际中心渔场基本吻合，主要在5°N～10°N，33°W～43°W海域附近；（3）影响大西洋大眼金枪鱼渔场分布的海洋环境因子主要有300 m水层的溶解氧、500 m水层的盐度、海面风速和混合层深度，相对重要性分别为13.24%、9.12%、9.12%和8.81%。研究表明STK模型对大西洋大眼金枪鱼渔场的预报准确率较高。