数值天气预报是现代天气预报业务与相关气象领域的支柱。目前,基于数值天气预报的无缝隙、格点化精细气象预报业务体系已经形成。尽管关于数值预报的研究已经取得不少成果,但由于数值预报模式的不确定性与不完备性,高精细化的数值天气预报还面临着许多挑战。本文将提升数值天气预报品质的手段聚焦于智能释用方法上,利用深度学习对基于数值预报产品的能见度,总云量,降水相态,温度,降水落区,风速和风向进行研究,主要工作如下:1.在能见度、总云量与降水相态预报问题上,本文对天津地区近年观测记录的能见度、总云量与降水相态的统计学特性进行了分析;讨论了数值天气预报中与这三种气象要素相关的预报产品;构建并训练了基于卷积网络的多站点能见度、总云量与降水相态预报模型;对天津地区5个省级气象站处的这三种气象要素进行了预测。实验结果表明,所提出的深度学习智能释用模型具有优化数值天气预报中能见度与总云量的能力,可使能见度预报的平均绝对误差降低至6km左右,使总云量预报的平均绝对误差降低至2成左右,优于现有释用模型。2.在温度与降水落区预报问题上,本文对天津地区近年观测记录的温度与降水量的统计学特性进行了分析;讨论了数值天气预报中与温度降水相关的预报产品;构建并训练了基于全卷积U型网络的精细化网格温度预报与网格降水落区预报模型;对天津地区267个地区级气象站处的温度与降水进行了预测。实验结果表明,所提出的深度学习智能释用模型具有优化数值天气预报中温度与降水落区的能力,可使温度预报的平均绝对误差降低至1.3℃左右,2℃正确率提高至80%左右,降水落区预报的正确率提高至90%左右,威胁系数提高至33%左右,优于现有释用模型。3.在风速风向预报问题上,本文对天津地区近年观测记录的风场进行了统计学特性分析;讨论了数值天气预报中与风场相关的气象要素场;构建并训练了基于多任务学习与生成对抗网络的风速风向预报模型;对天津地区267个地区级气象站处的风速风向进行了预测。实验结果表明,所提出的深度学习智能释用模型可提升数值预报产品中风速风向的预报能力,可使风速预报的平均绝对误差降低至1m/s左右,风向的余弦相似性提升至0.7左右,优于现有释用模型。