强对流天气具有较强的破坏力和明显的突发性。强对流天气的发生往往会对国家和人民的生命财产安全及军事行动的保障巨大的威胁。因此本文针对更加精细化的强对流天气预警产品的制作,提高强对流天气的识别预报精度方面展开了相应研究。首先,本文基于文本数据构建了强对流天气知识图谱。主要分为强对流天气语料库构建、知识抽取及知识图谱存储三部分。针对强对流天气知识图谱构建问题,对以“强对流”为主题的文献摘要进行爬取,制定了相应的标注规范,并对部分文献进行了实体标注。结合词嵌入技术和神经网络Bi-RNN以及CRF模型,构造了强对流天气知识抽取模型。之后将提取到的知识转换为三元组的形式,存入到图数据库Neo4j中,完成了知识的存储及可视化,为接下来强对流天气的研究提供数据和信息支撑。其次,提出了中层径向辐合（MARC）识别算法。将极坐标下的雷达基数据插值转变为剖面格点数据;同时使用模板检测,实现对强辐合点的识别并得到辐合强度及位置的参数;借助辐合区域中心连线走向订正辐合强度,有效克服由于径向速度引起的MARC的低估问题。最后通过对雷暴在双偏振多普勒雷达数据上的表现形式,设计了雷暴云团识别分类算法。结合闪电定位资料完成了对雷暴过程的筛选。其次对双偏振雷达参数进行了分析,选取了温度、反射率因子、差分反射率因子、差分传播相位常数作为雷暴的识别因子。根据由雷达数据提取到的识别因子,采用两步判别的方法,完成了对雷暴生消状态的识别分类。