热带气旋和中尺度涡是大气和海洋中典型的涡旋系统,由于自身垂直结构与强大动能,在全球大气和海洋流场中具有强大的物质和能量运输能力,对天气和海洋系统以及气候变化具有重要影响。因此,准确预测大气和海洋中的涡旋系统具有重要的科学意义和应用价值。然而,基于经验关系的统计方法和基于动力学方程的数值方法仍然难以准确预测热带气旋和中尺度涡等涡旋系统。针对上述问题,本文利用机器学习方法对热带气旋和海洋中尺度涡开展相关预测研究,主要研究内容如下:1、通过探索包含大气和海洋三维环境变量的空间联合特征,本文提出了一种基于深度学习的热带气旋强度变化预测方法。首先,我们在不同等压面下将多个环境变量可视化,通过空间上依次堆叠模拟热带气旋的三维空间结构。然后,我们构建了基于三维卷积神经网络的深度混合模型对热带气旋强度变化进行预测和分类。同时,图像处理技术也用于生成更多的训练集样本。实验结果表明,与以往的研究相比,我们的结果有显著提高。2、利用多任务测高卫星获得的中尺度涡轨迹数据,本文提出了基于长短期记忆网络和极限树算法的相关机器学习模型预测中尺度涡属性特征和传播轨迹。首先,我们利用涡旋属性和位移等因子,建立了预测因子更少效率更高的预测模型。接着,通过重建涡旋与标签之间的对应关系,得到了不同预测时间和不同预测目标的综合预测系统。实验结果表明,在不同的预测时间内,该方法的预测结果均优于以往的方法。3、针对目前中尺度涡跟踪没有考虑涡旋动态变化的问题,本文提出了一种基于涡旋运动变化特征和相似度的中尺度涡自动跟踪方法。首先,利用上一章基于机器学习的涡旋预测模型预测涡旋相关属性特征,然后,构建新的相似度参数进行跟踪。实验结果表明:（1）该方法可实现涡旋的自动跟踪,并且跟踪效率优于传统方法;（2）该方法在缺失部分数据的情况下仍能较准确跟踪。