天气预报都有哪些天气？
目前常用的天气预报方法有两种，分别是数值预报方法和统计预报方法 数值预报方法将气候要素的数值化，然后编写程序，进行外推运算来预测未来气温、气压、风速、雨量等气象要素的变化趋势。 统计预报方法是通过历史气象数据的分析来学习特征值和规律，再对未知的时间序列进行预测的方法。其中又分为时间序列分析与回归分析两种具体方法。
1.数值预报方法（一））涡度相关法利用湍流动能（即涡度）随时间的变化来确定气流运动中动能的源和汇，因此能够比较准确地确定出气流的来源及输送方向；进而判断未来大气环流形势的发展变化；最终得到未来天气的可能发展方向。由于该方法需要较长时间的历史资料和数据，所以目前主要用来研究长时间气象预测问题。
（二））中尺度模式MM5 是美国NCAR开发的一种中尺度气象模式。它可以比较好地模拟暴雨等强降水事件的发生和发展过程以及造成这种状况的下垫面条件。
（三））WRF(Weather Research and Forecasting Model)是一个具有先进水平的大型、分布式、自适应、重优化的非静力大气数值模式。模式采用国际通用格式，可以提供各种大气物理量，包括气象学上的干绝热、湿绝热和准绝热过程。它可以在计算机上模拟出非常细致的大气结构及其演变过程，从而可以帮助我们深入研究各种天气现象的形成机理和传播规律。 目前全国大部分县级以上的气象台站都引进了该模式系统，并建立了自己的数据库，可以为用户提供72小时以内的逐小时气象要素和历史极值等信息查询服务。
此外还有欧洲中央气象局开发的ECWMF模式，日本气象厅开发的JMA模式，我国中科院大气所开发的CAS-ESM模式等等。这些模式的建立为天气预报的精准高效提供了重要保障。
2．统计预报方法时间序列分析是利用统计学的方法来考察变量之间的时间相关性，进而挖掘出其中的潜在规律性。它的数学基础和原理都是在经典统计理论的基础上建立的，因此在应用的过程中也需要遵循相关的统计原则。通过选择合适的模型和参数估计方法，再经反复的调试和验证，最后得出最优的预测结果。另外，为了减小预测的方差，可以采用滑动平均法和递归算法等方法对原始数据进行预处理。 回归分析是针对定量资料提出的一种预测方法。它是以线性回归为基础，同时考虑了多元回归问题，可以通过最小二乘法来求得回归方程中的未知数（即待估参数），然后根据方程的运算做实时预测。