适宜的温度是人类生存重要环境条件之一,同时,温度对农业、医学、公共卫生和人类的生产影响十分巨大.特别地,对于一些温差大的地区,如果温度预测的准确度不高,就不能给人们的生产和工作计划提供良好的指导.为进一步有效提高温度预测的准确度,更好指导人们的生产和生活,本文探讨一种基于₁正则项的连续等级概率评分（continuous ranked probability score,CRPS）统计后校正集成模型.特别地,以截断的正态分布为基础,将集成预测转化为概率预测并通过构建CRPS和加惩罚项对集成预测结果进行校正以提高预测准确度.我们以甘肃省兰州市和美国新墨西哥州为例,收集两个地区逐小时地面温度数据.本文首先利用拉格朗日插值法和奇异谱分解（singular spectral analysis,SSA）对原始时序数据进行补全和预处理.其次,根据实验结果确定截断的正态分布为最佳分布类型对集成进行校正.然后,在原有校正基础上加入₁正则项,以降低计算量和避免过拟合.最后,对预测结果进行多种方式的比较和分析.实验结果显示本文所提出的基于惩罚的CRPS相比较其他方法,准确度高,基本拟合出未来温度变化的趋势和波动.