气象数据如降水量、风速和气温是典型的时间序列数据,具有明显非平稳、周期性波动特征。对气象数据进行分析和建模可以及时地应对旱涝灾害,对农作物的生长和灌溉具有一定的指导意义。为了高效地利用气象能源,提出了一个改进软阈值去噪的时间序列季节模型(seasonal model of time series for improving soft threshold denoising,STS-ISTD)。对时间序列应用改进的软阈值去噪算法(improving soft threshold denoising,ISTD)进行小波去噪,通过对双变量阈值函数中的参数值进行调整,不仅完好的保留了原始信号的基本特征,而且使信号曲线更加平滑。STS-ISTD模型应用在昆明气象数据上,并与自回归滑动平均模型(ARMA)、差分自回归移动平均模型(ARIMA)、硬阈值去噪的ARIMA季节性模型和软阈值去噪的ARIMA季节性模型进行对比,均方根误差(RMSE)和信噪比(SNR)作为评价指标。结果表明:本文提出的STS-ISTD模型对昆明的降雨量、风速和气温数据预测有良好的表现。因此,该模型可以作为昆明气象数据建模研究的一种有效方法。