研究桥面温度差异特征及其预报模型，可为交通管理部门提供恶劣天气预判和减少交通事故的决策依据。利用近3 a冬季武汉天兴洲大桥路段3个交通气象站逐5 min路面最低温度、气温、风速、降水等观测资料，分析了桥面与路面最低温度的逐日差异、典型个例的逐时变化特征及不同天气条件下的温度变化规律，并基于多元线性回归和反向传播（Back Propagation，BP）神经网络方法建立了桥面最低温度预报模型，采用智能网格最低气温预报产品对模型进行驱动和检验。结果表明：由于工程结构、路面材质、地理环境和环境气象要素的差异，桥面温度通常低于路面温度，且在晴天条件下二者的温差最大。桥面温度下降至冰点以下的速度更快，且低温持续时间更长。多元线性回归和BP神经网络方法均能取得较好的预报效果，BP方法更适用于对预测精度要求较高的场景，而多元线性回归方法则适合对预报准确率要求较高的应用。

利用2008—2019年湖北省荆州、荆门、宜昌、咸宁、随州地区日最大电力负荷值和同期国家气象观测站气象资料,分析最大气象负荷的变化率(L_pm)与温湿指数(I)、气象敏感负荷条件指数(MSLI)、人体舒适度(ET)、体感温度指数(Te)等4种舒适度指数和温度的关系,采用多元回归和BP神经网络方法建立基于上述4种舒适度指数的日最大电力负荷预测模型。结果表明:L_pm与气温、4种舒适度指数在夏季呈正相关,冬季呈负相关,且夏季相关性比冬季显著;综合温度、湿度、风速的4种舒适度指数的变化能够引起L_pm的变化,且这种变化在夏季,尤其是7月和8月更明显;BP神经网络模型和多元回归模型的误差基本控制在电力部门的要求范围内;BP神经网络预测效果优于多元回归,后期业务应用中荆门和咸宁地区建议选取ET指数,其他地市4种指数皆可。