利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据，选取南昌地区2018—2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进行训练和测试，建立自组织数据处理的群方法GMDH（group method of data handling）神经网络模型并应用于雷电活动的预警。结果表明：30～60 min GMDH神经网络模型预测值和实测值相关系数（R）在07～085之间，经过小波变换处理后的大气电场数据预测准确率更高，预测值与实测值的相关系数接近于1，均方误差、均方根误差以及准则值（P）均可控制在5%以内；借助提前获取的大气电场预测数据，通过大气电场强度剧烈的脉冲变化可以预示着雷电活动的发生，有效地提高雷电预警的准确率和时效性。