雷暴曾被联合国列为最严重的十大自然灾害之一,也是影响中国夏季的主要灾害性天气。正是由于雷暴所具有的严重破坏力和复杂形成机制,长期以来气象学者一直对其预报问题保持着高度的关注。与传统的数值预报产品解释应用方法不同,人工神经网络(BPNN)是一种模拟人脑信息处理方法的非线性系统,在描述和模拟具有典型非线性结构的灾害性天气方面,表现出较好的预报性能。本文基于2000年—2007年NCEP分析场进行因子分析计算,采用"和平均因子"方法进行因子选取,将影响本站的天气系统的空间性和时间性体现在预报因子中。采用人工神经网络方法建立了北京等20个单站的雷暴预报模型,利用2008年和2009年夏季6～8月T511中期数值预报产品作为实时预报输入场,对人工神经网络预报模型进行预报试验,并选取沈阳等7个站的预报网络模型与动态相似预报模型进行对比检验。结果表明:人工神经网络模型和动态相似模型对单站雷暴的预报效果均较好,其中,人工神经网络模型在2008年和2009年夏季雷暴预报准确率分别达到75%和80%,预报技巧CSI评分分别为0.411和0.502,漏报率分别为0.371和0.296,空报率分别为0.455和0.370,总体上雷暴人工神经网络模型对2009年的雷暴发生预报效果比对2008年的雷暴发生预报效果提高幅度较大。对湛江和福州两站建立的雷暴人工神经网络模型预报效果较好,2009年CSI评分湛江站最高,达到0.695,福州站的CSI评分也超过0.6。雷暴人工神经网络模型在CSI评分上明显优于动态相似模型,且预报空报率低于动态相似模型。人工神经网络模型在单站雷暴预报中具有较好的业务应用前景。