在全球变暖的问题提出之后,国家相关部门一直参与气候治理行动之中,但是全球变暖所导致的高温热浪和干旱仍然不断发生,一直影响人们的日常出行以及日常生活。此外,这些极端天气在各个产业内都造成了不小的影响,其中对于农业生产来说,极端天气所造成的土地资源以及其他自然资源上的损失,还会恶化当前气候变暖的情况,进而导致极端天气愈发频繁,所造成的损失进一步扩大,从而形成一个恶性循环。气候变暖一直是一个全球性的问题,也是目前最迫切解决的一个问题。近些年来,国家相关部门一直给予高度重视,关于“建设现代气象为农服务体系”的要求在2019年中央一号文件中被提出。2021年5月24日中国气象局在相关会议上阐明了当前天气气候异常的情况以及形势的严峻。而气温作为气象系统中的一个重要指标,其对于农业与农产品供给方面有着一定程度的影响,不仅如此,极端温度作为一种气温指标,当某个地区的极端温度超过或低于一定的阈值时都是部分自然灾害的预警现象,这就说明了预测极端温度对于人们的日常出行、农业等领域上的防灾减灾有一定的帮助。其次,极端温度数据往往具有一定的周期性,也呈现出了非线性以及波动性的特点。因此利用序列分解重组的形式来获取数据内部有用的信息,再利用组合预测方法对分解后序列进行预测,可以提高预测精度,更好地利用极端温度的指标进行预警。本文将日极端温度区间时间序列作为分析对象,首先将区间时间序列划分为中心序列和半径序列,通过互补的集成经验模态分解算法（CEEMD）分别对日极端温度区间的中心序列和半径序列进行分解,对于分解后所形成的若干IMF分量,利用分量均值的差异将IMF进行重组,根据每一个IMF分量的均值不同,把可以反映数据相似内部信息的IMF进行加总,分别得到中心序列的高频数据以及低频数据、半径序列的高频数据以及低频数据（两个序列的RES分量各自作为趋势项数据）;接着通过指数平滑法、长短期记忆网络法（LSTM）以及支持向量回归法（SVR）对中心序列、半径序列的高频、低频和残差序列分别进行单项方法的预测;然后根据区间时间序列划分出的中心序列和半径序列,引入偏好系数,并以向量夹角余弦作为本文一个相关性指标,构建定权系数组合预测模型;对数误差平方和作为本文一个误差指标,构建定权系数组合预测模型,并应用Matlab的最优工具包中的Fmincon函数对定权系数组合预测模型计算最优的权重系数;再根据不同时间点单项方法预测精度不同的特点,引入IOWGA算子,将各时点单项预测值重新集结,依旧从相关性指标角度构建向量夹角余弦变权系数组合预测模型,从误差指标角度构建对数误差平方和的变权系数组合预测模型,同样应用Matlab的最优工具包中的Fmincon函数对两个变权系数组合预测模型计算最优的权重系数;最后将不同的模型用于杭州市2011年1月1日至2021年6月30日的实证分析中,对中心序列和半径序列的预测值进行还原,得到关于日极端温度区间时间序列的预测值,并将预测结果进行汇总,利用区间时间序列的模型评价指标（SSE、MSE、MAE、MAPE、MSPE）对不同模型进行比较。在经过实证应用之后,发现日极端温度区间序列具有明显的周期性,且不论根据相关性指标还是误差指标所建立的组合预测模型预测的若干评价指标几乎优于本文所选的三种单项预测方法;在组合预测模型应用中,本文所构建的变权系数的组合预测模型的评价指标均小于定权系数的组合预测模型的评价指标,且变权系数组合预测模型可以有效较少预测误差。