江西省的森林和湿地资源丰富,森林覆盖率常年稳定在63.1%以上,居全国第二。茂密的森林为江西省贡献了充足的自然资源,但也使江西成为森林火灾的多发区域,每年森林火灾都给江西带来沉重的消防资源损耗、自然资源损失、生命安全损害。对森林火灾风险等级进行有效的预测评估,有助于江西省森林火灾预防工作的开展,是减少森林火灾发生次数、降低森林火灾损失的重要途径。本文选择了森林火险气象等级与森林火灾发生概率两个指标对森林火灾风险等级进行衡量。通过对这两个衡量指标进行预测,能够直观反映出预测地点潜在的森林火灾风险,有助于相关部门进行重点盯防,做到森林火灾早预防、早发现、早扑灭,对江西省森林火灾预防工作有重要意义。论文的研究工作如下:（1）收集2017-2019年的气象数据、森林火险气象等级数据与森林火灾发生情况数据,经过缺失数据处理、特征相关性分析等工作整理出用于模型训练的数据集,然后使用经过参数调优的决策树算法、GBDT算法、随机森林算法、支持向量机算法和Logistic回归算法,分别构建了森林火险气象等级预测模型与森林火灾发生概率预测模型。在进行模型性能对比分析后发现,基于随机森林算法的预测模型综合性能最为优秀。（2）因数据存在一定的不平衡现象,使得随机森林算法即使经过参数调优,依旧对少数类的预测效果不尽如人意。为了提高森林火灾风险等级预测模型的综合性能,对随机森林算法进行加权改进:在训练阶段为少数类赋予更多权重,提高模型训练时对少数类的重视;在投票阶段根据随机森林内部决策树性能的优劣赋予不同的投票权重,通过加权投票法得到预测结果。模型改进前后的性能情况对比验证了经过加权改进的模型成功弥补了自身短板,综合表现更加出色。（3）为了将森林火灾风险等级预测模型更好与森林火灾预防工作相结合,也为了解决目前森林防火相关研究中存在的研究数据获取难度大等问题,设计并实现了森林火灾风险预测管理系统,一方面该系统为林防工作者提供了森林火灾风险等级预测情况查询的平台,另一方面,该系统也为研究者提供了森林火灾相关数据获取的平台。