本发明提供一种基于深度学习的风廓线雷达边界层高度反演方法及系统，包括：首先提出边界层高度反演敏感性分析理论，分析局部峰值数目对边界层反演的影响，为算法改进奠定理论基础；然后基于边界层物理特性和排列重要性对风廓线雷达产品中众多的大气参数廓线进行选择，筛选出用于反演模型的输入参数廓线；将上述筛选后廓线与探空反演的真实边界层高度输入卷积神经网络模型进行训练；充分训练后的模型能直接输出高精度的边界层高度反演结果。本发明结合深度学习善于发现高维数据中的复杂结构的优势，同时加入多种大气参数廓线，大大提高了边界层高度反演的精度和稳定性，为边界层研究和全球气候变化提供有力支撑。