地面气象观测数据是认识和预测天气情况、进行科学研究和提供气象服务的基础。随着地面气象观测站被广泛应用于气象预报与公共气象服务,其数据质量问题也受到气象工作者的高度重视。气象资料质量控制是资料同化和数值天气预报能否精准定量化和客观化的前提保障。大量实验和数值模拟研究表明,地面气象观测资料与其他气象资料进行融合同化能够有效地提高数值天气预报水平。气象观测资料的质量控制方法主要分为单站质量控制方法和多站联网质量控制方法。对于单站质量控制方法,根据气温与相对湿度之间相关性高的特点,提出了一种基于GEP算法的地面逐时气温资料质量控制方法,实现了相对湿度对气温的质量控制。将该方法用于江苏省六市气温观测资料的质量控制实验中。结果表明,GEP质量控制方法能够有效标记出可疑数据,具有可控性强、识别精度高的优点。在完成单站质量控制方法研究的基础上,进一步对多站联网质量控制方法进行研究。将多站联网质量控制方法划分为查找误差与修订误差两部分。利用SVM分类算法对被控资料的正确值和可疑值进行分类研究,构造了支持向量机分类器。采用对比分析实验得出结论,SVM分类算法能够实现查找误差的要求,且定位准确,能够为下一步误差修订提供必要保证。经SVM分类算法查找出误差后,利用GEP-BP神经网络算法对误差进行修订。该算法将BP神经网络完全编码在一个固定长度的线性染色体中,并对染色体采用特殊的遗传算子进行遗传操作,保留种群中适应度最高的个体,其余个体继续遗传操作,最终得到最优的网络模型。同时采用GEP-BP算法和传统BP神经网络算法对误差值进行修订,对比实验结果可以看出,GEP-BP算法具有修订值精度高,误差波动小的优点。通过大量对比实验,测试了单站质量控制方法和多站联网质量控制方法的运行效果,结果证明以上方法都适用于地面气象观测资料质量控制,并且具有稳定性好,控制精度高的优点。