随着现代气象观探技术的迅速发展，各级气象业务部门可获得的气象数据容量越来越大，海量的气象数据背后隐藏许多重要信息。在传统的气象数据库应用系统中，用户无法发现气象数据中存在的某种关系和规则，同时缺乏发现气象数据背后隐藏知识手段，从而出现“数据爆炸而知识贫乏”现象。气象人员希望通过挖掘处理对海量气象数据进行更深层次分析，生成与气象预报相关性更大的气象数据，为气象业务和决策提供帮助。本论文就数据挖掘技术在气象中的应用问题，在掌握和分析关于数据挖掘技术最新发展基础上，对气象数据挖掘过程模型建立、数据预处理技术、关联规则挖掘和决策树生成算法等问题进行深入研究，主要完成的工作如下：1.气象数据挖掘系统的需求分析，结合气象数据处理流程和业务需求，提出了气象数据挖掘系统的设计框架。2.在了解气象数据存储和处理现状的基础上，针对气象数据中存在的问题和数据挖掘技术对数据的要求，总结了常见的数据预处理技术和适用情况。3.关联规则挖掘子系统的设计与实现，实现了Apriori算法和CP算法，并针对气象数据特点采用哈希技术、使用聚类算法划分区间离散连续数据、引入兴趣度概念等方法进行试验。4.研究了决策树生成子系统，对属性选择、树枝修剪、规则获取等过程进行设计与实现，并采用二分法、合并映射、聚类划分等处理连续气象数据。该系统经过气象预报中心测试试用，使用效果良好。这些知识库可以很好地辅助天气预报，分析天气成因，统计天气预报筛选预报因子，帮助气象预报专家系统建立知识库等，从而提高气象预报的准确性，使低层次的简单查询气象数据应用提升到知识挖掘和决策支持的高级应用。