天气的变化对农业和人们的出行有巨大的影响,所以自古以来人们就对天气预测相当重视。近年来,全球变暖趋势愈演愈烈,全球各地极端天气频繁出现,气温急剧变化给人们带来的种种恶果,警示我们必须对气温预报提出更严格的标准。但由于气温的波动具有一定的随机性特征,且趋势和季节性特征可能都不太明显,传统时间序列模型的预测作用变得有限。因此,采用新颖的算法对气温进行精度更高的预测迫在眉睫。本文将高斯过程回归算法应用到昆明市月平均气温的预测上,针对月平均气温变化复杂这一特点,本文提出了一种基于昆明市月平均气温特点的组合核函数,并基于该组合核函数对昆明市的21个月的月平均气温做出了预测。本文的主要工作有:（1）对昆明市2001年1月到2019年5月共221个月的月平均气温进行了数值分析,发现昆明市近19年来的气温波动并不大,没有发现昆明市气温同比存在上涨趋势。（2）分别从权重空间法和函数空间法出发,导出了高斯过程回归的预测均值和预测方差,并对中间的推导过程进行了详细的阐述和必要的证明。（3）针对传统的时间序列模型的局限性,将高斯过程回归这一新型算法引入到月平均气温的预测中。高斯过程回归相比传统的自回归移动平均模型和决策树回归等算法,其预测精度更高,并且能给出预测的置信区间。（4）对高斯过程中核函数的选择问题,本文进行了详细的探讨。对形形色色的核函数及其性质进行了介绍,并给出了其核函数的抽样图像;随后通过数字模拟的方式,探讨了核函数中的参数大小对核函数结构的影响及不同的参数变换对预测分布的影响,并分别研究了单一核函数、组合核函数的性质及其对预测分布的影响,为之后的建模理论做出参考。（5）针对昆明市月平均气温变化复杂这一特点,提出了一种基于该数据集特点的组合核函数,并利用该组合核函数对昆明市的月平均气温做出预测,实验结果表明,基于该组合核函数的高斯过程回归算法相比经典的自回归移动平均模型具有更好的预测精度。