下击暴流是一种在地面可以引起局地风切变的气象灾害,具有影响演化周期短,生成速度快等鲜明特点,给下击暴流的识别与预报带来很大的阻碍。目前,依赖多普勒天气雷达产品进行预报有很大缺陷,本文进行了改进,主要工作如下:在公共数据库中获取强对流天气灾害事件报告,从中筛选与击暴流相关的冰雹暴雨事件,并根据告中信息捕捉该灾害的雷达编号,然后在公共服务器上批量下载与之对应的多普勒天气雷达数据。利用SCIT算法追踪单体并计算单体的反射率特征和径向速度特征,计算时间差分序列;根据下击暴流与冰雹暴雨灾害事件报告中的信息寻找产生该灾害的单体序列,并对单体序列进行拆分,进一步组织与下击暴流单序列片段集的负样本,利用统计显著性分析得到有效特征。对有效特征进行主成分分析(PCA),选取其中两维或三维作为有效主成分,训练支持向量机(SVM)模型分类器并寻找最佳参数;计算各个正负样本的有效特征间的最大互信息系数(MIC),选取有效特征MIC值小于0.4的最大子集作为Logistic回归模型的有效特征并寻找最佳参数。建立各个分类器的投票机制,通过联合决策,提高预报的正确性;对比两种模型的分类器效果并做分析。本文基于序列片段,提出了一种基于序列片段(时间窗)的静态和动态特征的下击暴流识别与预报方法。此方法可在下击暴流发生前4到8分钟对其进行预报,较大程度提高了击中率,减少了误报率;并为基于气象雷达的强对流天气识别预报提供了新的思路。