基于相关性分析和数据均衡的能见度分层预测模型，模型建立步骤如下：采集气象站观测数据，通过相关性分析挑选出与能见度相关性较大的因子，形成数据样本；处理数据样本，得到训练样本和测试样本；按照能见度类别划分标准训练样本进行统计分析，通过随机下采样的方法均衡各类样本，得到新的训练样本；通过长短期记忆神经网络（LSTM）分类模型对新的训练样本进行样本分类；将分类结果及对应的类别训练样本输入基于LSTM的回归模型中，选择每类对应的子类样本，最终回归出能见度。本发明提出的基于相关性分析和数据均衡的能见度分层预测算法模型提高了网络的泛化能力，从而提高能见度类别预测的准确率，降低能见度预测的误差，具有较高的应用价值。