随着数值模式的不断发展,模式本身存在的不确定性问题受到越来越多的关注。利用多参数化方案进行集合预报的方式可以有效地降低由模式不确定性带来的误差。超级集合技术根据集合成员预报能力的差异,赋予各成员不同的权重系数,避免了因为集合平均而导致预报能力下降的缺点。本文针对中国夏季梅雨期强降水频发及预报困难的特点,尝试利用超级集合技术构建适用于短时降水的多参数化方案集合预报。假设各集合成员对一日降水量预报的差异仅由对流参数化方案决定。因此,选取WRF中5种不同对流参数化方案构成集合预报成员,并采用集合平均、消除偏差的集合平均、超级集合算法以及经验正交分解的集合算法构建4种集合预报产品。利用2013年梅雨期的一次降水个例检验5个集合成员以及4种集合产品在降水个例中的模拟能力,同时研究滑动训练长度对于超级集合算法的影响。实验结果表明,对于消除偏差的集合平均方案、超级集合方案以及经验正交分解的集合方案,其预报能力随着训练时间的增加而提高;消除偏差的集合平均方案对降水的预报优于任何一个集合成员以及其他3个集合预报方案,而采用经验正交分解的集合方案比超级集合方案更加稳定。针对超级集合算法的不足,提出采用基于双重检验的逐步回归算法以及基于集合平均的多元线性回归算法构造集合预报产品。其中,双重检验的逐步回归算法可以有效消除超级集合算法中集合成员不显著的问题,集合平均的多元线性回归算法可以减小超级集合算法对训练期观测平均的依赖程度。分析训练长度对改进方案算法预报能力的影响发现,改进算法的预报能力与训练时间长度成正比。对比检验了改进算法与超级集合算法在降水模拟中的预报能力。结果表明,改进算法的预报能力普遍优于超级集合算法。