蒸发波导是一种在海上经常出现的特殊大气层结,它对电磁波的传播有重要影响。准确掌握蒸发波导分布对于雷达超视距探测探、利用盲区突防等具有重要意义,是海上航行的迫切需求。本文针对传统蒸发波导预测模型依赖边界层相似理论和局地经验关系的局限性,利用机器学习方法开展南海地区特定预测模型研究并取得以下成果:针对传统P-J模型的局限性提出了基于机器学习的优化方法。结合P-J模型输出和实测资料构建训练集,分别采用支持向量回归和多层感知机方法构建了SVR P-J及MLP P-J优化模型。实验结果表明,MLP P-J和SVR P-J均优于传统P-J模型。构建了一个针对南海地区的特定模型SCS-MLP。基于多层感知机和实测数据构建了一个纯数据驱动的SCS-MLP模型,该模型的预测均方根误差相比于传统P-J模型在南海地区减少了74.57%至94.29%。制作了南海地区蒸发波导统计分析产品。基于欧洲中期天气预报中心再分析资料和SCS-MLP模型生成南海地区的蒸发波导数据库,并进行统计分析得到蒸发波导高度和强度的分布特征与变化规律。