本论文针对气象观测中地温数据缺测以及国家一般气象站无深层地温观测的问题,用BP神经网络建立了实时地温推演模型和深层地温推演模型。主要研究内容如下:1、围绕地温模型的输入向量是气温、地温观测值的设计要求,分析各层地温的变化特征,引用采样定理分析输入向量的时间跨度,确定了实时地温推演模型和深层地温推演模型各自的输入向量、输出向量的元素组成方案。用单因素法测试,确定了神经网络的训练函数、隐藏层节点数的选取。2、通过分析和测试确定了训练样本的选择方案,为使网络能够兼顾输出精度和泛化能力,建立了 24个实时地温推演模型,对应每日24个时间整点。用基准站的数据训练网络,反复调试神经网络参数,筛选出误差性能最好的地温模型,然后用基本站的数据做了对比测试。3、对深层地温推演模型的6种方案分别进行训练和测试,统计各方案最佳模型的推演误差,筛选出的两个不同时间跨度的最佳模型,比较了气象站深层地温观测值和最佳模型的推演值之间的差异和联系。4、研究了基于滑动平均滤波的160cm、320cm地温推演值修正方法。测试结果表明:实时地温推演模型模型误差很小,可用于本站整点地温观测数据缺测的填补;深层地温推演模型可用于临近台站无深层地温观测时的地温估算。