强对流天气是气象灾害中历时短、天气剧烈、破坏性很强的灾害性天气，对人民生命财产、通讯设施、航空运输和农业生产影响较大。目前尚无有效办法人为削弱及防治，因此充分利用各种信息做好强对流天气预报工作尤为重要。随着科学技术的发展，各种天气预测方法不断丰富，各种天气监测工具提供的信息越来越多，如何综合运用各种方法和信息做出更准确的预报是大家关注的焦点。本文利用多普勒雷达图像的反射率图，运用图像处理技术从图像中提取出强对流云团的24维特征，构建特征数据库，然后利用数据挖掘技术从特征数据库中挖掘规则，构成知识库，同时引入人工智能中的不确定性推理，从而对强对流天气做出有效的识别和预报。本文的主要工作包括：（1）读取雷达基数据，将雷达基数据转化为位图，结合相关的气象知识，运用图像处理技术从图像中分割强对流云团并提取出24维特征，然后利用ADO技术将提取到的特征保存起来，从而构建雷达特征数据库。（2）采用粗糙集理论和关联规则进行数据挖掘，形成图像统计特征知识库、雷达数据直接生成特征知识库和包括两者的综合知识库，构建基于粗糙集的客观预报模型、基于关联规则的客观预报模型，为后续的综合预报奠定客观基础。在构建粗糙集模型中，进行了决策表约简，获取到更少但更具有决策价值的规则。（3）对图像统计特征（包括强度特征、纹理特征、形状特征等）和雷达数据直接生成特征（包括垂直累积液态含水量及其密度、强回波中心、强回波中心顶高等）这些预报因素进行综合数据挖掘分析，并引入不确定性推理，从而做出综合预报。综上所述，本文对强对流天气的综合预报做出大胆尝试，并在一定程度上满足预报要求，为强对流回波的识别提供了一种新的研究方法。