低能见度天气是高速公路交通中最严重的气象灾害之一,对国民经济和社会生活产生着较大的威胁。关于无锡地区低能见度天气的发生特征及其预测预报方法的研究相对匮乏,本文利用分布于无锡地区内的国家常规气象观测站网和高速公路交通气象自动监测系统在2016年1月～2019年12月期间观测的气象资料和同期NCEP气象再分析数据分析了无锡地区能见度的时空变化特征,探讨了影响该地区能见度变化的气象因子,在此基础上,构建了基于Bi LSTM和1-D CNN-GRU能见度预测模型。主要研究结果如下:（1）无锡地区及其区内各高速公路的低能见度发生频率均呈逐年下降趋势,能见度具有明显的季节变化、月变化和日变化特征。季节变化上,夏季平均能见度最高,冬季平均能见度最低;月变化上,8月平均能见度最高,1月最低;一天中能见度最低值出现在日出前的05时左右,最高值出现15时左右。（2）无锡地区能见度在空间上呈现南部和北部低、中间高的分布,从无锡市辖区向外年、季和月平均的能见度值均逐渐降低。无锡地区高速公路网的低能见度天气发生频率呈现南部和北部高、中间低的分布特征。（3）在影响能见度变化的气象要素中,相对湿度与能见度呈高度负相关;瞬时风速、2分钟平均风速和10分钟平均风速均与能见度呈高度正相关,其中10分钟平均风速的正向影响最大;气温与能见度相关性较小,且受季节影响较大,其中在夏季气温与能见度呈强正相关,在春季和秋季呈弱正相关,而在冬季相关性不明显。（4）利用上述气象实测数据和再分析资料,运用风速风向的风向量归一法和其他气象要素的最小值最大值归一法将经质量控制后的数据作归一化处理,按时间序列分析和监督学习思想将处理后的数据重构,输入基于Bi LSTM的能见度预测模型与基于1-D CNN和GRU的能见度预测模型,并采用带动量机制的随机下降算法优化模型,经试验完成对模型超参数的确定。将模型与其他模型进行对比实验,结果显示:基于1-D CNN-GRU的能见度预测模型有较高的预测精度和较好的稳定性。