随着数值预报技术的发展,天气预报质量有了很大提高,但目前的数值预报技术已趋于成熟,仅仅依靠数值预报本身无法再使预报水平获得较大程度的提高。多模式天气集成预报是因此产生的一项统计预报技术,它能够综合各模式的预报优势,进一步提高预报质量。将遗传算法应用于多模式天气集成预报能够提高预报质量和预报稳定性,但却具有较高的计算成本。本文的研究目的在于,将云计算技术与遗传算法相结合,建立基于云平台的多模式天气集成预报模型,并以此为基础开发相应的多模式天气集成预报系统,以较低的计算成本提高预报质量,为预报员提供准确、统一的预报参考结果。基于云平台的多模式天气集成预报系统,首先根据天津市气象台的数值预报产品特点,筛选出参与集成的预报模式,并对各模式预报数据及训练集数据进行标准化处理和订正;然后使用基于内存的分布式计算平台Spark及粗粒度并行遗传算法CPGA(Coarse-grained Parallel Genetic Algorithm)进行数值预报模式成员权重系数的计算;最后通过权重分布法对预报结果进行集成处理,以实现可以综合各个模式优点、更为准确和快速的天气预报。本文首先分析了多模式天气集成预报的研究现状,阐述了利用云平台和遗传算法进行多模式天气集成预报的优势和应用前景;然后利用Spark实现的CPGA(SCPGA)及权重分布法建立了新的多模式天气集成预报模型;并根据此模型开发了多模式天气集成预报系统。开发的集成预报系统具有自动或手动集成、分类查询和集群监控等功能,实现了天津市232个站点的24小时温度预报和48小时降水预报。经过大量的集成预报实验,结果表明,基于SCPGA的多模式天气集成预报不仅具有优于各个模式成员和传统GA(Genetic Algorithm)集成的预报质量,还能够获得很高的集成效率,能够在较短的时间内为预报员提供准确可靠的预报参考,具有良好的应用前景。