降水是常见的天气现象之一,适时适量的降水能为农业生产能提供有利的条件,反之则会带来灾害。降水预报在天气预报中占有重要地位,如何提高降水预报的准确率则是广大气象工作者孜孜追求的目标之一。数值天气预报方法是当前天气预报业务中最主要的方法之一,近年来,随着数值模式分辨率的提高,观测技术和资料同化技术的不断发展,使得数值模式能够提供大量精细的预报产品,成为制作日常天气预报最重要的参考依据。大量研究表明,基于某种动力统计方法对数值预报产品进行合理的释用,可以极大的提高预报准确率。本文以环渤海地区(含渤海)为研究区域,以未来72小时内每3小时降水为预报对象,在细致分析环渤海地区降水气候特征,总结归纳造成强降水天气系统的基础上,建立降水预报因子库,基于事件概率回归和BP神经网络两种方法对T639数值模式降水产品进行了释用。主要研究结果如下：1.利用高分辨率的融合降水产品和逐日降水资料对环渤海地区降水的时空分布特征进行了分析,区域内年平均降水量总体上从西北到东南增多,辽宁东部年平均降水量最大,其次为山东南部、山东半岛和渤海等地,内陆地区年降水量较少。自1982年以来,环渤海地区各站点平均年总降水量、不同强度降水量的年际变化均呈现出“增-减-增”的变化趋势,1982年到1988年有略增加趋势,1988年到2002呈现出减小趋势,2002年到2012年呈现出较大增加趋势；一年之中降水主要集中在4-10月份,其降水量占到全年总降水量的92%；不同地区降水类型有明显差异,总体来说环渤海地区中雨对总降水量的贡献最大；同时,降水还有明显的日变化特征,夜间、凌晨和傍晚降水量较大,中午前后降水量较小。2.利用环渤海地区60个气象台站的逐日降水资料和同期的NCEP/NCAR位势高度场资料,对近31年来环渤海地区发生区域性大范围强降水时的500hPa天气系统进行了归纳总结,将其分为高空槽型、副热带高压边缘型、低涡型和短波型四大类,通过对其共性和差异的分析,总结出了环渤海地区强降水发生的诊断模型。基于此,通过T639数值产品的输出量,以及利用输出量计算出的诊断物理量和组合物理量,构建了较为全面的降水预报因子库。3.基于事件概率回归方法对数值产品进行了释用,在建立预报方程之前,通过对历史样本的分析,确定以低层平均比湿为消空判据,可有效降低空报次数。利用2010年至2012年的T639数值产品资料和融合降水资料,分四个季节,在区域内不同格点上分别建立72小时内每3小时的降水预报方程,然后利用历史样本资料确定判断降水是否发生的预报判据,并利用2013年资料进行试预报。对预报结果进行分析比较表明,事件概率回归方法可有效改善数值预报产品预报准确率,虽然不同地区预报效果略有差异,但总体上讲,夏季预报效果最好,春、秋季次之。4.基于BP神经网络方法,利用事件概率回归方程中入选的预报因子,建立了降水神经网络预报模型,并将预报结果同数值产品、事件概率回归预报结果进行了比较。结果表明,无论春季、夏季还是秋季,事件概率回归模型在TS评分、S评分增幅和空报率降幅方面好于神经网络预报模型,但在改善漏报率方面,神经网络模型明显好于事件概率回归模型；两种预报模型均在夏季表现最好,表现为空报率与漏报率均有明显降低,春、秋季效果一般,虽然空报率有一定的降低,但漏报率较高；总体来说,两种预报模型在降水发生多的季节(如夏季)和地区(如辽宁东部、渤海海区等)预报效果明显好于降水少的季节和地区。总之,本文利用高时空分辨率的融合降水产品和T639数值预报产品,在对环渤海地区的降水时空分布特征进行细致分析的基础上,基于事件概率回归和BP神经网络方法对3小时降水进行了预报试验,不仅使预报准确率有了一定的提升,对于T639数值产品释用、短时降水预报也有一定的指导意义。