气象温度预测即是气象预测的重点问题,也是难点问题,对社会生产生活实践有着巨大的影响,是一项具有挑战性和深远意义的工作。随着气象数据观测技术手段的不断进步,气象数据呈现了爆炸性增长,这给遭遇了发展瓶颈的气象预测技术带来了新的机遇和挑战。针对上述情况,本文基于能够适应海量数据的深度学习的方法,通过实验对比分析的研究方法,对气象温度预测问题进行研究和探索。在本文中介绍了相关的深度学习的模型和气象温度预测的理论,并通过对比实验,证明了深度学习相关模型在气象温度预测上的可行性和对比于浅度神经网络和支持向量机等传统气象温度预测方法的优越性,获得了较好的研究成果。随后,根据上面实验的成果,本文又提出了基于支持向量机模型对深度学习模型进行改进的方法,并且实验证明了该改进算法的有效性和可用性。本文的研究内容为今后深度学习的相关方法在气象温度预测实践技术上的应用和发展提供了一定的理论基础。