随之经济社会的飞速发展，降水对城市交通控制、下水道系统操作和人们活动等影响越来越大，特别是短期强降水。短期精确降水预报一直是天气预报的难点，是防灾减灾的重点，因此，如何提高预报准确率也是一直被关注的热点。通过对大量历史气象资料进行统计分析，设计预报模型，是提高天气预报准确率的可行方法。论文应用相似预报的方法原理，对地区NCEP再分析资料和南京地区的降雨量历史资料进行统计分析，建立了一个相似预报方程来计算查找待分类样本的k个邻居样本，并应用加权KNN算法实现对样本的分类，建立了一个基于加权KNN分类算法的短期24小时降水预报模型，对模型进行了研究，给出了算法实现并进行了大量的实验，实验结果表明，论文设计的算法具有较好的预报效果。论文的主要工作成果和结论如下：（1）对降水的形成条件、降水分类、降水的影响因子等进行研究分析，应用相似预报的方法原理对历史资料进行统计分析，通过实验结果对比，逐步引入因子场，筛选出最优因子场及其范围，建立一个相似预报方程来计算查找待分类样本的邻居样本。（2）对KNN算法的基本原理进行了较为深入的研究，通过对现有KNN算法的优缺点的分析，根据降水预报的需求和特点，设计了一种新的EI加权KNN算法，建立降水预报模型。在模型的训练和测试中，其预报拟合率要明显优于其它的KNN算法，预报Ts评分也同样高于其它的算法。实验结果表明，该模型不但能较为准确的预报出晴雨天气，对降雨量的等级预报也有一定的预报能力，且能够查找出历史的相似日天气形势，为预报员对未来天气的变化趋势判断提供参考。