信息爆炸时代的到来表示着大数据正在给我们的生活带来巨大的改变,因此数据挖掘的工作就显得尤为重要。数据挖掘,从字面上理解就是从大量的数据中挖掘到其中有规律的并且有价值的、能够理解并且应用的的信息与知识,而应用于数据挖掘的模型有很多种,神经网络模型就是其中一种。自从神经网络技术第一次被提出来到发展至今,各种类型的神经网络兴起并被逐渐应用到各个领域,而模糊神经网络这项技术自被提出以来至今已经给很多的科学问题提供了新的解决方案与思路。ANFIS模型就是一种自适应的模糊神经网络,它将传统神经网络和模糊逻辑有机的结合在一起,弥补了传统神经网络的不足。从上个世纪90年代以来,就开始有学者开始了用神经网络对气象预测进行建模以及气候分析等研究的工作,然而随着研究的深入,各种各样的难题也开始慢慢浮现出来,在用神经网络模型对气象要素进行预测的时候,神经网络的初始权值以及网络结构和学习系数都很难确定,所以要经过大量的训练来确定网络结构和网络的学习参数,但是这样的话又会发生过拟合的情况,模型的泛化能力会受影响。并且目前的天气预报的预测时间较短(最多15天),所以本文尝试了用ANFIS模型来解决较长期的气象预测的问题。本文旨在对一些气象要素(气温、降水、蒸发量等)进行较长时间的预测。本文完成了以下几项工作:1)基于当前国内外的研究现状对模糊控制理论进行研究,并将其与传统神经网络进行结合;2)通过对ANFIS神经网络模型进行深入的研究,实现ANFIS网络模型;3)探索ANFIS神经网络模型在气象要素预测领域的可能性,并设计实现网络系统,用收集到的地面气象实测数据进行实验。4)将气象数据进行预处理并提取特征,然后从气温、降水、蒸发量三个方面分别建立模型,并对得出的结果进行评估,进而论证ANFIS在对长时间气象预测领域的可行性。