雷雨大风是一种影响较大的灾害天气,对整个国民经济能够产生严重的危害。目前气象领域使用机器学习方法来预测雷雨大风天气的场景少之又少,大多数都是研究雷雨大风的形成过程,而针对雷雨大风的预测往往需要专业人员结合专业知识进行预测,过度依赖专业知识,其预测效果也不理想。因此本文充分利用气象历史数据,研究了一种基于机器学习的天气预测方法。本文分别采用美国气象环境预报中心获取的全球化气象数据和某省地面观测站的实况数据进行训练及预测研究。选取2015年至2018年3年共计4896个时次数据资料进行实验。首先对数据资料进行下载、解析等预处理,根据气象专家经验选取46个属性作为特征。接着采用随机森林方法对气象属性特征重要性计算,筛选与雷雨大风关系较大的25个特征属性,作为最终实验特征属性数据集。其次采用KNN、线性回归、支持向量机、人工神经网络、Stacking集成模型和XGBoost等机器学习模型,建立预测算法模型,进行模型训练。模型输入为25个特征属性数值,输出为未来3小时降雨和大风的数值,进而预测是否具有雷雨大风天气。通过实验对比,确定XGBoost算法模型具有较好的预测效果。接着采用网格搜索和贝叶斯方法对XGBoost预测模型进行改进提升,实验结果表明改进后的XGBoost模型测试集的准确率进一步得到了提升。根据某省气象灾害预警中心的实际需求,自主设计并实现短临（即短时临近）雷雨大风预报系统。该系统主要实现数据监控、实时数据处理、实时预测查询、实况雷雨大风等级显示等等功能。在此基础上,将改进好的最终预测模型部署在系统上。目前预测系统已用于某省气象预警部门,通过对接CIMISS系统实时数据进行验证,对雷雨大风预报能力和综合灾害预警能力进行测试和评估,为某省气象灾害预警中心的雷雨大风预报提供参考。