大气电场是大气电学的基本参数,晴天时地面具有垂直向下的大气电场,雷暴天气时地面大气电场显著增强。地面大气电场的观测和研究对减少雷电灾害、大气电学研究、保障航空航天活动具有重要的意义。大气电场仪是测量大气电场的基本仪器。大气电场仪的有效标定、数据修正和异常值检测是提高观测数据质量的重要手段。大气电场信号具有非平稳信号的特征,利用非平稳信号处理方法,结合机器学习算法,分析不同天气状况下的大气电场,为雷电预警研究提供思路。本文的主要研究内容和结论包括:（1）为提高电场观测数据的精度和一致性,研究大气电场传感器的校准和标定方法。建立电场传感器标定模型,基于有限元法对标定装置的尺寸、结构等关键参数进行仿真分析。考虑到建筑物对大气电场具有一定的畸变效应,通过改变建筑物高度、宽度、电场仪与建筑物距离和电场仪仰角范围等参数,研究大气电场的实际安装环境对电场畸变的影响,求出畸变系数,对大气电场仪的实际测量值进行修正。（2）地面大气电场序列的清洗是预处理的关键,对后续的挖掘研究具有重要意义。针对传统异常检测算法需要指定相应参数、未能利用时序间相关信息的不足,提出一种基于孤立森林结合Chen-Liu迭代算法的大气电场异常点检测与校正方法。该方法利用求和自回归移动平均（ARIMA）模型对大气电场时间序列进行拟合并得到拟合残差,基于残差序列构建孤立森林模型以确定异常点位置,最后通过Chen-Liu算法进行校正。通过模拟序列和实测大气电场数据实验验证所提方法的可靠性,相对于原序列预测,清洗后大气电场序列预测结果在均方根误差和平均百分比误差分别改善27.8%和34.98%。（3）传统雷电预警方法忽略了大气电场信号的振荡尺度特性导致检测概率低。从大气电场信号的非线性非平稳特征出发,提出一种基于集成经验模态分解（EEMD）和极端梯度提升（XGBoost）的雷电预警方法。该方法采用EEMD分解大气电场仪观测的电场信号,计算原始数据和各模态函数的样本熵,按随机分量、细节分量、趋势分量进行分类重构,分别提取重构分量的统计和自编码器特征,采用XGBoost算法建立预警模型,并对各分量的分类器进行融合。利用大气电场仪和闪电定位系统观测数据进行了实验研究,分析了不同算法的性能,相对于普通投票决策方法,检测概率最高提高了4.8%,且虚警概率降5.2%～6.4%。（4）构建基于大数据的高可用性、高可靠性大气电场监测平台。选用Flume实现电场数据实时采集,使用Spark实现离线分析建模,Kafka实现数据缓存,采用Spark-Streaming读取数据并实时处理。通过实验分析,对比验证了基于大数据的大气电场监测平台在离线建模性能和实时分析方面的优越性和可靠性。电场标定装置结构参数分析及建筑物对电场畸变影响的实验结论、大气电场异常检测与校正、雷电预警方法及基于大数据的大气电场监测平台设计为厂家开发性能更优的基于大气电场雷电预警产品奠定了理论基础。