近年来,人工智能技术得到了社会的广泛关注,利用人工智能方法解决实际问题日渐成为主流。众所周知,每年的自然灾都会危害人们的正常生活,给国家、社会造成严重的财产损失和人员伤亡。而雷暴是最具威胁的自然灾害之一。雷暴的产生、强度和移动方向等特征很难通过人工分析方法准确做出判断。传统上,气象方面对雷暴自然灾害的预测受制于人工经验,耗费精力,效率不高,国内目前对雷暴预测还没有一套行之有效的方法,因此,如何利用计算机技术,改进目前国内雷暴预测方法,使雷暴预测更加准确,减少损失,是目前亟待解决的问题。气象上应用范围较广的闪电预报方法是结合中尺度预报模式输出的动力、微物理参量综合分析,判断该位置在未来短时间内是否会有闪电发生。模式输出的参量数据,同时在时间和空间都有很强关联性,输出的每个参量数据同时包含了经度、纬度、时间、计量单位和数值等信息,这给闪电预报带来很大挑战。为了解决雷暴预报带来的困难,在本文中我们利用这些输出信息,首先提出了一种基于位置修正的闪电预报方法。以一定经纬度范围为单位,要预测某一位置在短时内是否发生闪电,以预报时刻前一小时实际测量到的闪电为基础,计算其局部偏移向量和局部偏移向量,结合二者对WRF模式输出的闪电预报结果进行修正,验证闪电位置预报的可行性。从实验结果中,该方法能够对闪电位置进行有效修正,但是,该方案是在地面实际测量的闪电数据基础上进行的,WRF模式每次计算可以输出未来12小时的闪电预报结果,而实际测量时无法满足该方案的实施条件,无法应用在实际气象上的闪电预报中。因此,我们进一步改进实验模型,应用传统机器学习方法,根据气象上WRF模式输出的数据集的特殊性提出了一种闪电预报方式,设计出一种WRFTree模型。首先对中尺度预报模式输出的参量数据进行选择,选出对闪电预报贡献较大的参量,然后利用这些参量,对京津冀地区近三年的数据进行测试,进行短时闪电预报。实验结果表明,该方法优于目前气象上传统的闪电预报方法,仅仅利用冰、雪、霰离子浓度混合比三个参量,TS评分在6—12小时闪电累积预报结果可以达到0.117,比传统参数化闪电预报方法的6小时累积高出0.054,准确率达到0.430,四公里邻域法0.383,准确率达到0.527,在六公里邻域法评分TS达到0.395,准确率达到0.594。实验结果表明,我们的方法明显优于目前气象上主流的闪电预报方法。