利用北方典型日光温室室内以及相应台站气象数据,建立基于BP神经网络的室内气温预报模型,以此预报北方243个台站1990-2009年室内气温,利用预报的室内气温数据及室外降水、日照、风速等气象数据和主要气象灾害指标,构建基于实数编码的加速遗传算法(Real-code accelerating genetic algorithm,RAGA)和投影寻踪(Projection pursuit evaluate,PPE)的日光温室气象灾害风险评价模型,并对北方地区日光温室主要生产月气象灾害风险进行逐月评价。结果表明,北方日光温室室内气温预报值与实际观测值的标准误差在0.89～1.54℃,方程决定系数在0.87～0.94。北方地区日光温室1-3月的气象灾害风险等级较高,分布在天山以北、大兴安岭以北的地区和西藏地区,主要是低温和大风沙尘天气。9月气象灾害风险等级最低,分布在长城以南,黄河以北地区,主要是低温。本研究构建的北方地区日光温室气象灾害风险评价模型可为日光温室气象灾害风险区划和防御提供决策支持。