强对流天气因为来得突然、持续时间短、强度强,所以造成的后果是非常严重的,能及时准确地对它做出预报是非常有意义的。因为不稳定参数能客观地反映大气的不稳定度状况,与强对流天气的发生发展有着密切关系,所以利用不稳定能量参数进行强对流天气的临近预报,寻求这些指标的临界值对强对流天气的预报有着重要指示作用。如何寻找不稳定能量参数的临界值单靠人工经验的积累是有限的,充分利用现有的计算机技术寻求新的预报方法是非常有研究价值的。本文首先介绍了强对流天气的天气学概念,研究强对流天气预报的意义,总结过去几十年气象专家预报强对流天气的主要技术。近几年,通过计算强对流天气的不稳定能量参数来预报强对流天气已经取得了一些进展,而且预报效果很理想,因此本文也从计算强对流天气不稳定能量参数着手,进一步研究强对流天气的预报方法。由于人工神经网络技术具有很强的非线性映射能力和并行性、自适应性、容错性及自学习能力,特别适用于解决因果关系复杂的非确定性推理、判断、预测和分类等问题。BP神经网络(Back Propagation Neural Network)是一种单向传播的多层前向神经网络,它是一种误差反向传播的算法。BP算法是目前应用最为广泛的神经网络学习算法,恰好可以解决本质上属于模式识别的强对流天气预报问题,因此本文选用改进的BP神经网络来建立强对流天气预报模型。最后构建了基于BP神经网络的强对流天气预报模型,将观测实况资料作为专家样本对BP神经网络模型进行训练和测试,对训练好了的模型进行了对比测试,预报的结果很理想,为强对流天气的预报提供了精确依据。本文建立的基于BP人工神经网络的强对流天气预报模型为气象预报工作提供了一种简单、客观、实用的预报方法。