东亚季风区人口密集，其频繁发生的夏季旱涝灾害给我国及该地区其它国家的国民经济和人民生活带来巨大的影响。因此，东亚季风区夏季降水季度预测一直是这些国家短期气候业务预测的核心。虽然存在客观原因导致其目前有限的预报技巧，但预测方法至少也是急待改进的。本博士论文正是以此为出发点，希望通过改进季度预测方法来一定程度上减小东亚季风区夏季降水可预报极限与目前业务预测水平间的差距。　　 作者首先研究了用于鉴别预测模型优劣的基本工具——预报技巧评估系统。作者提出用物理意义清晰的空间场相似系数衡量预报和观测异常场间的相似性，并采用无需正态分布假设的Bootstrap非参数检验方法检验其显著性。此外，本文采用简单客观的预报成功率来衡量模型的三类(旱-正常-涝)类别预报能力，并给出其相应的显著性检验方法。在本论文中，以上两种评分及异常相关系数被用于对文中相关模型预测水平进行评估比较，而无技巧的气候预报和随机预报被用作参考预报以判断预测模型是否有技巧。　　 采用这套技巧评估系统，作者分别从动力数值模式系统误差订正方法，以及统计预测模型两方面着手进行季度预测方法的研究。一方面，作者将双重留一法引入到分别基于SVD和EOF的回归订正法中，以获得订正方法是否可行的先验知识和估计订正效果最优时的SVD和EOF截取模态数。将改进的分别基于SVD和EOF回归订正方法用于订正IAP-AGCMl.c后报的东亚季风区夏季降水异常场中的系统误差，其订正效果显著。　　 另一方面，作者推广了典型集合相关预测模型(CEC)中集合的概念，使CEC模型能提取来自多个变量的、区域的、最优时段的预测信息。利用该方案，作者建立了以最优时段的区域海表温度和海冰覆盖度异常为因子的CEC模型以预测东亚季风区陆地上的夏季降水异常。预报结果显示：除零星格点外，改进后的CEC模型的三类类别预报成功率均超过气候预报，其异常相关系数也均为正值；预报成功率和异常相关系数显著超过随机预报的地区约占东亚季风区陆地面积的一半；从1980到2005年的26年中，共有22年的空间场相似系数显著超过随机预报。但该模型对长江流域和江淮流域降水预报技巧仍不够满意。为此，作者根据江淮流域和长江流域夏季降水序列自身的变化规律，分别建立了两个时间序列预测模型，提前一年预测两流域的夏季降水量。其中，对于江淮流域夏季降水季度预测，我们建立了奇异谱分析与自回归滑动平均模型相结合的SSA-ARMA模型。而对于长江流域，由于其夏季降水时间序列的结构较复杂，将SSA滤波器直接用于长江流域夏季降水序列时，SSA模态无法截断。为此，作者采用任务分解的预报思路：先采用一阶差分法成功滤去了长江流域夏季降水训练集中的显著上升趋势；接着采用谐波分析方法滤去差分序列中的平均显著周期；经过前两步处理后的时间序列再采用SSA-ARMA模型去拟合。将当年的观测值，谐波分析方法和SSA-ARMA的一步外推值作为一年后的降水预报值。对于1991年到2007年两流域夏季降水预报的结果表明，两模型的类别和定量预报技巧都明显高于持续预报、气候预报、随机预报以及常用的奇异谱分析与最大熵方法相结合的SSA-MEM模型和均生函数模型(MGF)。考虑到长江流域和江淮流域夏季降水预测是我国汛期业务预报的重点和难点，我们发展的时间序列预报模型具有业务使用价值，将有助于提高我国汛期业务预报水平。