强对流天气是造成气象灾害的主要天气类型之一,主要包括冰雹、龙卷风、雷雨大风。在中国,强对流天气每年都会造成严重的人员伤亡和财产损失,在气象行业需求背景下,本课题组开发强对流天气分类识别系统,该系统以多普勒天气雷达数据作为主要数据基础,对强对流天气进行分析、识别和预报,输出包含单体特征信息和强对流天气特征信息的文本文件。本文基于已有的强对流天气分类识别模型进行了改进和功能拓展工作,主要工作如下:（1）建立单体及预报信息数据库,建立风速、降水量及冰雹实况数据库;使用QT搭建可视化界面,在地图上展示单体、大风、降水和冰雹等预报信息和实况信息;对单体时序进行分析,给出单体时序特征趋势图;结合实况和预报信息进行气象评估,统计预报结果击中率、空报率和漏报率并写入评估数据库中。（2）在降雹的情况下自动站测量的小时降水量R和雷达反射率因子Z值不满足类似(5=A(（7）的幂指数关系,出现反射率值偏高而降水量较低的异常现象。收集大量冰雹实况数据和对应实况位置的自动站降水量数据,筛选出降水异常的自动站数据,给出异常评分值,根据此评分验证该云团是否为冰雹云,并以此辅助进行冰雹样本的标记工作。（3）收集冰雹和降水样本数据,在已有的冰雹降水分类模型的基础上,搭建韦恩预测器,给出当前单体发生冰雹或强降水的概率。（4）基于深度学习的强对流分类识别模型的改进工作,对冰雹降水模型的样本进行数据增强,引入残差网络优化之前模型的网络结构,并对冰雹降水模型进行超参数调优;对大风模型的样本数据结构进行更改,提出双输入网络结构模型,并对大风模型进行调优操作。