热带气旋（台风）是中国的高影响天气之一,十大自然灾害之首。热带气旋带来的降水曾多次造成我国人员伤亡和经济损失,然而,目前各类方法对于热带气旋降水,特别是极端降水的落区和强度的预报能力还很有限,Ren等（2020）提出了一种预报登陆热带气旋过程降水的动力-统计相似集合预报模型（DSAEF＿LTP模型）,该模型在建立之初,表现出与动力模式（ECMWF,GFS,T639）相当的预报能力。但是,该模型只考虑了台风路径和登陆季节的相似性,Ding等（2020）在模型中加入强度因子相似,但对于其他影响台风降水的因子的相似性没有给予考虑;DSAEF＿LTP模型中已有的集合平均和集合最大两种集合方法分别存在漏报率和空报率高的缺点;对影响华南的台风降水开展了模拟及预报试验,但没有针对个例的深入分析。本文则是针对这三点问题,对DSAEF＿LTP模型进行的改进研究。改进一是在DSAEF＿LTP模型中加入了新的相似区域取值。针对“利奇马”个例开展模拟试验,发现加入强度因子相似后,DSAEF＿LTP模型模拟能力有所提高,TSsum增加了0.0421,与动力模式（ECMWF,GFS,GRAPES,SMS-WARMS,RMAPS）相比,DSAEF＿LTP模型的TSsum仅次于排在第一位的GFS模型。DSAEF＿LTP模型对整个区域的总体预报能力是比较好的,能捕捉到小范围的过程降水量大值区。针对DSAEF＿LTP模型的相似区域偏小且偏东偏南的问题,增加了模型相似区域参数的取值,使得模型的模拟效果进一步提升,TSsum由0.4651提高到了0.5113。改进二是在DSAEF＿LTP模型中加入了五种新的集合方法（90%分位值、融合产品、概率匹配平均、等差权重集合平均、基于TSAI指数的非等差权重集合平均）,之后对2018年10个台风的过程降水进行模拟试验,发现90%分位值的集合方法整体模拟效果最好,其最佳方案的TSsum为0.3927,较之前两种集合方法中较好的最大值法的TSsum（0.3684）有所提升,并且可以有效降低预报空报率。改进三是在DSAEF＿LTP模型中引入了台风移速因子。首先通过统计对移速指标进行分级,以便通过判断目标台风与历史台风的级别关系筛选与目标台风移速相似的历史台风,结果证明K-means聚类算法对过程最小台风移速进行分级是一种合理的台风移速分级方法。完成相似区域取值改进、集合方法改进、加入移速因子相似之后,对影响华南的台风开展了模拟及预报试验。结果表明,每一种改进都会使DSAEF＿LTP模型的模拟能力提高,而预报效果最好的是进行相似区域取值、集合方法改进后的仅考虑路径相似的DSAEF＿LTP模型,其TSsum由0.2683上升到0.2874,与动力模式相比,其优势在典型路径TC的降水预报上,DSAEF＿LTP模型更容易出现空报而动力模式更容易出现漏报。改进后的DSAEF＿LTP模型的模拟预报水平都得到了提升,但没有考虑台风的结构,对于台风降水的非对称分布考虑的还不足;没有考虑影响台风降水的环境条件。但总的来说,改进后的DSAEF＿LTP模型对于台风过程降水的预报能力得到了提高,相信随着研究的深入,该模型将会不断成熟。