【摘要】为研究基于船位数据提取南极磷虾中层拖网船的作业状态特征，选取2021年福荣海、龙腾和龙发等3艘中国南极磷虾中层拖网船的VMS船位数据，采用航速、航向的阈值综合判别方法初步判断渔船作业状态（分为捕捞、航行和漂流），并与渔捞日志数据进行对比验证，确定渔船实际作业状态。依据船位数据中的航速、航向、时间区间、经纬度等特征，构建了基于深度学习网络的船位状态识别算法，并将数据集按照8:2的比例分为训练集和验证集代入训练，提取渔船的作业天数、作业日期以及对应的作业位置信息，并与实际填写的渔捞日志数据进行对比验证。结果表明：提取的结果和实际记录的结果误差较小，其中作业天数每月差值在0～2d，平均准确率为93.88%；作业位置距离差值较小，总体在20km以内，占总天数的94%；与k近邻、逻辑回归、贝叶斯和决策树等传统机器学习算法相比，基于深度学习模型的南极磷虾拖网船作业状态特征提取正确率最高，达87.04%。研究结果对识别南极磷虾拖网渔船作业状态、捕捞行为和渔业管理具有一定的参考价值。