Este estudio evalúa la eficacia del método de corrección post-procesamiento basado en IA del modelo ZJWARMS para pronósticos de temperatura y velocidad del viento en terrenos complejos. Al analizar pronósticos de 72 horas en cuatro estaciones con diferentes elevaciones (de 273 m a 1327 m) en la región del Lago Liuchun durante diciembre de 2021 a diciembre de 2022, el estudio encontró que las correcciones basadas en IA mejoraron sustancialmente tanto la precisión como la estabilidad de los pronósticos. Los resultados indican que, después de la corrección, la precisión del pronóstico de temperatura en todas las estaciones superó el 99%, con las ganancias relativas más notables en elevaciones más altas (hasta un 48.1%). El error absoluto medio (EAM) para la temperatura disminuyó de 3.08 grados C a menos de 0.8 grados C en el Palacio Octagonal, y de 3.29 grados C a menos de 0.6 grados C en la Cima de la Montaña. La precisión del pronóstico de velocidad del viento también aumentó de aproximadamente 60-70% a casi 100%, con el EAM generalmente restringido al rango de 0.2-0.4 m/s. En términos de control de errores extremos, el número de muestras con errores de temperatura que superaban +/-2 grados C se redujo notablemente. Por ejemplo, en la Ladera de la Montaña, la cuenta cayó de 127 a 0. Los errores extremos de velocidad del viento también se eliminaron de manera efectiva. Después de la corrección, las distribuciones de errores se volvieron más concentradas, y tanto la estabilidad temporal como la consistencia espacial mostraron una mejora notable. Estas ganancias mejoran la previsión operativa y la gestión de riesgos en regiones montañosas, por ejemplo, a través de alertas de peligros por viento basadas en umbrales y apoyo para el hielo en carreteras de montaña, al proporcionar una guía más confiable y de alta confianza.