海河流域夏季极端强降水是我国北方典型自然灾害之一，对京津冀城市群的生态平衡、能源稳定及经济发展带来严峻挑战。为提高强降水过程预报的时效性和准确性，本文利用1961–2020年中国地面气象站观测降水和美国NCEP/NCAR全球大气环流再分析数据，通过Fourier变换、多变量经验正交分解MVEOF和卷积神经网络CNN回归等方法，分析海河流域夏季强降水低频振荡特征，定义强降水预测的关键大气低频指数，构建融合统计方法和深度学习算法的强降水分级预测模型。结果表明，（1）10–30 d低频振荡对夏季强降水变化贡献最大，强降水发生时，对流层低层暖湿水汽在华北气旋作用下强烈辐合，中层欧亚大陆“西低东高”环流形势增强动力抬升；（2）据此定义华北涡度指数Index_NC_vort 和东北亚高度差指数Index_NEA_hgta ，二者超前强降水存在显著预见期，大雨情况下预见期数量增加、时效延长；（3）基于关键大气低频指数的最优预见日，构建海河流域延伸期强降水分级预测模型，对夏季整体预测准确率为80.0%，对大雨在提前15 d以内和15–30 d的预测准确率达70%和65%以上，最早提前18 d准确预报大雨及以上过程发生日期和强度。上述结论揭示了关键大气低频信号对海河流域夏季强降水的影响途径和应用价值，为提升次季节预测水平、增强极端天气预警能力提供科学依据。

大气低频振荡,海河流域,极端强降水,延伸期,气候预测