本文基于EC细网格模式的再分析场计算诊断参量，并结合重庆地区2011-2014年5-9月间短时强降水个例建立训练集，进而根据箱线图差异指数提出的阈值法对样本初步消空，然后通过K均值聚类和Relief算法分别重建了类别平衡的训练集，并优选了平均权重较大的参量进入模型，建立了一个以Xgboost算法为核心的重庆地区短时强降水预报模型。结果表明：1、模型可输出概率预报或用户自定义概率阈值生成的确定性预报。2、2015年独立样本测试表明，当概率阈值取0.1时，模型的AUC为0.92，总体分类效果较好，全体样本的短时强降水TS评分可达0.3，高于EC再分析场；对其中两次个例分析表明，Xgboost方法的短时强降水客观概率预报能更好描述强降水发生的概率和落区，逐时次的预报效果仍优于EC，TS评分在0.2-0.4之间。3、模型对近年来短时强降水过程的回报TS在0.1以上，仍然高于EC并于常规业务水平持平，具有一定参考意义。

短时强降水；阈值法；Relief算法；Xgboost算法