雷暴活动是一种对流天气现象，具有破坏能力大、发生频繁等特点。雷暴发生时间短、范围小，这也使得精准预测较为困难，因此雷暴是气象预报领域中的挑战性的问题之一。论文研究了大气电场与雷暴之间的关系，实现基于大气电场仪数据对雷暴频次等级和雷暴强度的自动预警，论文主要工作如下:　　1.提出一种基于深度学习的雷暴频度自动预测方法。通过分析大气电场数据和雷暴事件发生的相关性，创新性地把原始一维大气电场数据转化为二维图像，把雷暴频次记录数据作为图像标签，把两种事件的相关性分析问题转化为图像分类问题，用深度学习方法进行分类学习，得到较好的分类结果。利用这一模型基于大气电场数据可以自动预测雷暴频度。　　2.提出一种基于SVM回归模型的雷电强度预测算法，利用深度学习模型提取的特征，利用雷暴强度值信息，通过采样方法，选取每分钟内绝对值最大的强度值作为浮点型标签，结合深度特征信息，将二者作为回归模型的输入，训练回归分析模型。通过回归模型，利用大气电场的变化对某一时刻内的雷暴强度值进行预测，效果较好。　　3.设计并基于Matlab实现了一个雷暴自动预警系统。系统包括数据输入模块、数据转化模块、数据可视化模块、模式选择模块、特征提取模块以及预测结果展示模块。可以自动读取大气电场数据，并基于大气电场数据，实现雷电频次预警和雷电强度值预测。