【摘要】为减小发射场气温预报误差，将BP神经网络和遗传算法结合起来，以2018—2022年的欧洲细网格气温预报数据和发射场实况数据为基础，利用相关系数筛选预报因子，建立了发射场气温预报模型。结果表明：模型气温预报平均绝对误差为1.132℃，较业务使用的欧洲细网格预报平均绝对误差优化了7.8%；模型气温预报的误差标准差为0.907℃，模型能较好修正欧洲细网格的温度预报误差离散值，较欧洲细网格预报的误差更稳定，能大幅减小预报员的人工订正工作；在神舟15号任务保障中，该模型预报的窗口温度为-18.02 ℃，而实况为-17.9℃，在临界条件下温度精细化预报保障提供了一种可靠性较高的预报手段。

【关键词】BP神经网络；遗传算法；航天发射保障；气温预报

【作者】张芳，王刚，张朝飞，潘泉，陈锋，谭文秋