本文基于TIGGE资料中的欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、中国气象局(CMA)、日本气象厅(JMA)和英国气象局(UKMO)五个中心的全球集合预报模式资料，对比研究了几种多模式集成预报方案的优劣以及各自特点。并且针对多模式集成预报产品，进行了概率预报试验。　　 结果表明，对于地面气温的24-120h预报，线性回归的超级集合预报(LRSUP)以及消除偏差集合平均预报(BREM)效果不如非线性神经网络超级集合预报(NNSUP)。但是当预报时效延长至144-168h时，BREM和LRSUP与NNSUP预报效果相当。采用每个格点最优滑动训练期长度对500hPa位势高度、温度以及风场进行多模式超级集合(SUP)和消除偏差集合平均预报(BREM)，结果发现对于24-120h预报，SUP较最优单中心预报效果改进约16％，而BREM只提高了8％。但是，当预报时效延长到144-168h时，BREM预报技巧已接近SUP的预报技巧。　　 超级集合预报方法对阻塞过程中特征等高线形势的预报，对阻塞区域高压强度的预报，以及对阻塞高压中心位置、中心强度的预报，均优于单个中心预报和多模式简单集合平均预报。　　 利用多个模式的集合预报产品，在建立传统的“Poor Man”集合预报的基础上，对多模式概率预报结果进行订正，进一步消除预报的系统性偏差。采用BS、RPS检验方法对地面温度和累积降水的概率预报结果进行评估。结果表明，“Poor Man”集合预报(POOL)及多模式消除偏差集合预报(BREM)明显地改进了单中心模式的概率预报效果，并且BREM预报技巧高于POOL方案。