我国是一个强对流灾害天气发生频繁的国家。多普勒天气雷达是强对流性天气的主要监测工具。本文利用基于雷达数据的四维变分数值模式输出的高时空分辨率物理量,使用支持向量机作为分类器,研究对流初生(Convective Initiation,简称CI)的预警方法。其中CI的定义为多普勒雷达首次检测到反射率因子大于或者等于35dBZ。本文研究内容主要包括以下三个部分：第一部分是从四维变分数值模式输出的高时空分辨率物理量中提取可能的预报因子。主要思想是利用30-60分钟后的雷达组合反射率与特征量之间的散点图作为判断依据挑选出预报因子。经过多次实验,挑选了风切变(shear)、辐合抬升(div)和垂直风速度(wwind)及其对应的时间变化量作为预报因子。第二部分是分类器算法的研究。将第一部分中得到的预报因子作为分类算法中的属性特征,30分钟后的雷达组合反射率作为标签来设计分类器。通过研究不平衡数据分类算法,结合相关领域中的评分标准,利用逐级下采样的方法“再平衡”样本数据集,使用支持向量机(SVM)作为最终的CI预警算法。第三部分是个例实验及分析。将第二部分中设计得到的分类器作为CI预测器,结合实际的雷达组合反射率给出30分钟后的预报结果。本文的CI预警方法是以四维变分数值模式反演得到的物理量为数据基础,利用不平衡数据分类中的重采样技术对数据集进行“再平衡”处理,最后结合SVM设计出完整的CI预警分类器。试验结果表明此方法的对于CI预警具有一定的准确率,在后继的工作中需要解决虚警率偏高的问题。