雾是一种低能见度天气现象,常常给交通运输、电力设备、工农业生产等带来严重的经济损失,直接威胁人类的健康和生命。华东地区交通发达,高速公路网密集,易受雾的影响。本文统计了华东地区1981-2012年的观测资料,分析了华东地区雾的时空特征。通过对天气环流形势的分析总结,归纳出了易于出现雾的三类天气环流形势,建立天气型的定量化自动判识系统。在天气型自动判识的基础上,进行了敏感物理量诊断。采用事件概率回归方法和BP神经网络方法建立了华东地区雾的预报模型,并构建了预报流程。主要研究结果如下：(1)华东地区雾日数分布差异较大,存在明显的自内陆向沿海递增的趋势,近海岸地区的雾日数可以达到10天以上。华东地区雾日数有微弱的增加趋势,1995年以后,华东地区轻雾日数出现了增加的趋势。秋冬季节雾分布的范围较大,沿海和内陆都有雾出现。雾日数的年内分布呈现双峰分布,12月和6月分别是冬季和夏季的峰值月份。四季都遵循一天之中5：00-8：00时段雾和轻雾出现的频次最高的规律。(2)在2002-2012年共有85个区域性雾日,年平均出现7.7次。普查华东地区11年的500hPa位势高度场和地面形势图,将出现雾的天气形势系统的归为了3种类型：槽后脊前型、平直气流型和槽区型。槽后脊前型是导致华东地区出现区域性雾的主要天气形势,占3种类型的63.5%,平直气流型占21.2%,槽区型占15.3%。在逐月统计中发现,区域性雾全部发生在10月至翌年4月份,其余月份没有发生区域性雾。(3)针对出现雾的3类天气形势,建立天气系统自动判识的定量化标准。通过自动判识系统对2002-2012年的天气形势进行判断和识别,4000余样本中共1671天入型,消空2300余天,消空效果较好,85个区域雾日仅漏掉了两天。(4)根据雾出现时需要的湿度条件、层结条件和风力条件,选取了敏感物理量,根据历史资料确定敏感物理量的阂值。原本经过天气形势自动判识后的1671天,在经过敏感物理量的诊断之后,仅剩290天,消去空样本1381个,其中区域性雾日83天,无漏报。经过天气形势的自动判识和敏感物理量诊断之后,区域雾准确率达28.6%。(5)采用事件概率回归方法时,在安徽省中部的TS评分值高,可以达到65%以上,沿海地区的TS评分要低于内陆,而沿海地区的漏报率要大于内陆。采用BP神经网络方法时,在河北、河南交界处和浙江省、江西省交界处TS评分较高,沿海地区的TS评分低于内陆,山东北部和江苏省、浙江省交界处的漏报率较高,山东省、河北省交界处空报率低。两种方法比较来看,事件概率回归方法的TS评分要比BP神经网络方法大很多,事件概率回归方法在安徽省的预报效果较好,BP神经网络方法在浙江省、江西省的交界处预报效果好,BP神经网络方法的漏报率在山东北部较高。两种方法的空报率都不低,事件概率回归方法的空报率小于BP神经网络方法。本文的研究结果可为华东地区雾的天气型自动判识及预报提供参考。