随着现代气象技术(尤其是气象雷达、气象卫星)的高速发展,降雨定量测量技术有了新的发展思路。借助雷达的高时空分辨率,利用雷达定量测量降水不管是在降雨探测的实时性还是探测的范围上,都能够较好的满足现代降雨观测的需要。本文利用重庆市气象局CINRAD/SA气象雷达基数据和重庆市巴南区地面雨量站资料,在地面雨量站上空采用9点法确定其对应的雷达反射率值,建立反射率-雨强的数据对,然后分别采用反向传播(Back Propagation, BP)神经网络和基于径向基函数(Radial Basis Function, RBF)神经网络方法利用数据对建立雷达定量估测降水模型,将其用于地面降水估测。实验结果表明,本文建立的两种雷达定量估测降水模型无论从估测精度还是稳定性上都要明显优于变分法校准的Z-I关系式,能较好的反映当地降雨的真实情况。同时本文还通过对常规的RBF神经网络降水估测模型进行参数调整,发现对于重庆市巴南区这种多山地形区域,改变输入参数后的RBF神经网络建立的估测模型要比BP神经网络效果更好一些,这对神经网络在雷达定量测量降水中的应用具有很好的参考意义。本文设计并实现的雷达定量测量降水系统正是基于此雷达降水估测模型的,从工程学的角度入手,以实践检验理论,验证了本文提出的RBF神经网络雷达估测降水模型对该地区是非常适用的。同时该系统也为巴南区基层降雨预报人员的工作提供了帮助,对该区山洪、滑坡和泥石流等灾情预警工作具有重要意义。本论文的主要研究内容及成果如下：(1)阐述了雷达定量测量降水的基本原理,总结了现有成熟的雷达定量测量降水方法(Z-I关系法、平均校正法、最优插值法、自适应卡尔曼滤波算法、变分法),并研究了每种方法的优点和局限性,从中可以看到该领域技术方法的更迭,为找出适合本文研究区域的方法奠定理论基础。(2)简介了人工神经网络的研究内容和主要特征；研究了神经元的模型结构,以及神经元传递函数的种类和特点；阐述了神经网络的建模过程和原理,说明了本文为何选用神经网络进行雷达定量测量降水模型的建立。(3)利用数据资料分别通过BP神经网络和RBF神经网络建立雷达测量降雨模型,并和利用变分法得到的Z-I关系式(Z=37I1.45)进行实验结果的对比,分析得到利用两种神经网络建立的降雨估测模型的效果要明显好于Z-I关系式,偏差(bias)降低了大约30%,平均相对均方根差(RMSE)降低了约1.5,相关系数(R2)提高了0.7左右。(4)对改变参数的RBF神经网络模型进一步研究发现,在本文所研究的重庆市巴南地区,由于其山丘较多,基于这一原因建立的增加两个输入参量(海拔、距离)的RBF神经网络估测降雨模型,在实验过程中得到了最好的结果,因此本文建立的模型对于神经网络在雷达定量估测降雨领域的应用具有很好的参考意义。(5)设计并实现了重庆市巴南区雷达定量测量降雨系统,展示了系统架构以及各个模块的功能说明,并说明了关键技术的实现过程。经实践表明,.该系统能较为精准的提供对巴南区乡镇级的降雨预报,对当地的基层预报人员的预报工作提供了很好的参考,同时由于巴南区山丘、河流较多,雨季雨水充沛,该系统也对当地的山洪、滑坡、泥石流等气象灾害预警具有很高的参考价值。