持续的高温天气即高温热浪是气温异常引发的气象灾害,也是导致干旱发生的诱因之一。伴随着全球气候变暖,气温的异常变动加剧,直接威胁社会经济的健康增长,甚至危及生命。研究日气温预测,能够提前预知气温的异常变化,提醒人们调整生活生产事宜,减少或避免生命财产的损失,完善自然灾害预警机制。干旱预测是干旱研究的热点问题之一,在目前缺少成熟的干旱理论体系的情况下,干旱指数作为重要的干旱程度评估指标被广泛应用于干旱的预测预警。研究干旱指数的预测方法,是提高区域内干旱预警能力,实现“被动抗旱”向“主动抗旱”转变的有效途径。本文基于支持向量回归建模方法,结合时间序列预测理论,建立了日气温和帕尔默干旱指数时间序列SVR预测模型,主要研究工作如下：(1)研究基于局部支持向量回归的日气温多变量时间序列预测模型。在C-C方法基础上,结合最小预测误差法计算相空间重构的两个参数：延迟时间和嵌入维数,完成多变量时间序列样本的构建。在欧式距离公式的基础上,提出分段提取最近邻点的近邻样本选择策略建立局部支持向量回归预测模型。在日气温MTS-LSVR预测的仿真实验中验证了模型的预测效果优于单变量时间序列模型,分段提取最近邻点方法能有效提高LSVR的预测精度。(2)研究年际干旱指数MTS-LSVR预测模型。通过加工提取年最大最小月干旱指数时间序列,在MTS-LSVR预测方法基础上实现年最大最小月干旱指数的预测,通过前向1步和前向6步的仿真实验,证明该方法在年际干旱预测上有着较好的实用性。(3)研究基于SVR的月干旱指数时间序列预测模型。针对原始月干旱指数时间序列不够平滑的问题,采用小波变换重构原始序列的基准序列和偏离序列,提出基于小波变换的直接预测法构建输入样本建立SVR预测模型。月帕尔默干旱指数仿真实验表明基于小波变换直接预测法的预测精度高于叠加预测法,有效提高了干旱月的预报率。同时探讨了多贝西小波函数系在美国阿拉巴马州北部山谷月PDSI时间序列预测上的适用性,实验证明使用db5小波四层分解时,SVR模型的干旱月预报精度最高。