本论文是在上海市教委自然科学基金02NK07和上海市启明星计划02QCl4040课题的支持下，对基于人工神经网络的数据挖掘技术在北太平洋鱿鱼渔情预报中的应用进行研究。研究综合北太平洋鱿鱼领域专家知识和经验，选取关联规则对北太平洋鱿鱼渔场影响因子进行定性分析，再运用人工神经网络技术对北太平洋鱿鱼渔情进行定量预报，最终构造一个北太平洋鱿鱼渔情预报试验平台(NPSFDM)。论文的主要内容总结如下几个方面： 　　首先，本文对有关数据挖掘技术、人工神经网络技术和渔情预报技术等国内外研究现状进行了综述。在对现有的数据挖掘技术及其应用进行概括性的介绍时，着重介绍其中的关联规则分析和人工神经网络技术。 　　然后，分别介绍了关联规则分析和人工神经网络技术在NPSFDM中的应用。在关联规则分析研究方面，对生产数据进行清洗和选择后，运用Apriori算法挖掘影响因子和产量之间的关系，这些关系用来指导人工神经网络数据准备；在人工神经网络技术方面，着重研究了人工神经网络在数据挖掘中的数据准备问题、网络参数的选取问题等等。针对原有的BP神经网络算法效率较低、容易陷入局部极小等现状，提出了一种改进的BP算法，改进的BP算法着重改进了权值的调整频率及效率，本文在理论上进行推证，并利用数学逻辑中的“异或”问题进行实验，实验结果证明了改进的BP算法缩短了学习时间、提高了学习效率，并在一定程度上避免了学习中的局部极小问题，通过运用改进的BP算法在NPSFDM中实现预测功能。 　　最后，在上述理论方法研究的基础上，研究探讨了NPSFDM试验平台各模块的具体实现以及介绍各模块的功能。运用NPSFDM对北太平洋鱿鱼数据进行预测，并对结果进行分析。结果表明，该软件基本上能完成预期功能。