随着我国民航运输业的快速发展,能见度导致的相关问题逐渐引起人们的重视。本文选取双流机场作为能见度研究对象,对2007-2017年的能见度变化特征展开研究;同时利用相关数据分析双流机场一次典型低能见度天气过程,分析主导本次低能见度过程变化的主要因素,以期解释出本次低能见度天气形成、持续和消散的原因,同时为后期能见度的预报提供理论基础。最后,基于长短期记忆神经网络（Long Short-Term Memory Model,LSTM）采用两种不同的预报方式对双流机场能见度进行预报,对比分析其结果。本文主要研究成果如下所示:（1）通过统计分析研究双流机场能见度的年际、季节、月季和日变化特征,结果表明:2007—2017年能见度年平均数值提高了1907.6m;春夏季节偏好,秋冬季节较差;月平均能见度的最小值与最大值分别出现在12月和1月;14时是一天中能见度的最大值,其最小值出现在0时;同时分级研究表明,能见度低于3000米的天数和发生比例呈逐年下降的趋势;从低于机场起降标准的天气过程发生次数来看,其发生次数呈逐年递减,整个过程中降幅达到50%;具有显著的季节性,秋冬季节最多,占比高达83.03%,而夏季仅为3.67%。（2）针对双流机场2016年12月7日的一次典型的低能见度天气过程进行研究。结果表明:500（?）(6天气图形势变化不大,我国中西部地区受弱高压脊的控制,以西北气流为主,天气形势场的变化对低能见度现象的产生和消散影响较小;此次低能见度天气变化过程中能见度短时迅速降低的根本原因是,高压脊控制下的下沉气流有利于夜晚地面辐射降温,形成辐射逆温层;最后500（?）(6高度层上存在稳定的高压脊、地面相对湿度接近饱和、低层大雾天气对太阳辐射的阻挡作用导致逆温层长期存在、以及四川盆地特殊的地形共同作用是导致本次低能见度过程持续较长的根本原因。（3）利用神经网络进行能见度预报技术研究,结果表明。对机场能见度影响较大的关键因子分别是:10m风场、2m相对湿度、位势高度和平均海平面气压。使用模型的预测数据与数值预报数据相结合进行滚动预报未来3小时能见度的MAE值和R2分别为549.526和0.9287,而使用历史观测数据和数值预报数据相结合进行预报未来3小时能见度的MAE值和R2分别为519.865和0.9392。两种预报方式拟合效果均高于0.9且均不存在过拟合现象。造成第二种预报方式的预报结果优于第一种预报方式的预报结果的主要原因是:在第一种预报方式中,随着预报进度的推进,使用预报值进行再预报的误差会随之增大。针对一线应用中机场运行人员更关心低能见度的预报,因此本文随机选择两次低能见度变化过程并展开单独分析,其结果表明:对于低能见度预报,使用观测数据和数值预报系统的数据进行3小时预报的方式是优于使用预测数据与数值预报数据进行滚动预报未来3小时能见度的方式,具体表现在预报精度高,预测曲线更平滑,拟合效果更好。