尽管数值预报模式产品众多,但目前在实际预报业务中普遍依赖单一固定模式,造成了数值预报资源的大量浪费。实现数值预报产品预报效果的即时滚动评估,是择优使用数值模式,提高天气预报准确率的有效途径和大胆尝试。此外,在模式产品的应用过程中,预报误差的存在难以避免,且误差会随着预报时效的延长而增大,导致天气预报的准确率进一步下降,故本文在对数值预报产品进行误差分析和滚动评估研究的基础上,进一步实现了对预报误差的有效订正,以期对数值预报产品的释用提供有益参考。本文选取全国124个地面观测站点为研究对象,基于欧洲中心(ECMWF)数值预报和日本(JP)数值预报两种模式的气温预报资料和站点实况资料,主要做了两方面工作:一是实现对数值预报产品气温预报效果的即时滚动评估。数值计算的结果发现,对于确定的数值预报模式,预报误差常常表现为连续演变,尤其对于同一类天气过程或天气系统,不同时次的预报误差之间可能存在明显的相关性。基于该认识,本文依据临近时刻已有的预报误差数据对未来还没有实况资料时刻的预报误差进行预判,以评估不同数值模式可能的预报效果。为此,首先对两种模式产品的气温预报效果进行统计检验和误差分析,从站点、时效、气压层等多个角度分析把握模式的预报性能和特点。然后使用历史资料提取实验数据,选取预测因子,并通过分组训练和检验获得预测模型。针对分类数据非线性的特点,本文提出基于SVM分类预测的数值预报产品滚动评估方法。为了克服模型参数主观设置的不足,使用网格寻优法对参数进行优化配置。二是对数值预报的预报误差进行预测和订正。无论实际工作中选用哪种模式进行预报,预报值和实际值之间总会存在误差,这是要素预报亟待解决的问题。如何以较小的计算代价,把握误差变化特点,并应用最新实况对数值模式产品的预报误差进行订正以提高短期数值预报产品的预报精度是本文对误差订正研究的主要诉求。为此,本文分别提出基于多元回归的误差订正方法和基于BP神经网络的误差订正方法,经验证,两种方案均能够有效地修正误差、提高气温预报的准确度。