提出一种基于深度置信网络（deepbeliefnetwork，DBN）对本区域未来24h的电离层临界频率f0F2预测的方法。对选取的数据集进行筛选，生成用于训练和测试的数据集；改进DBN基本单元的结构，以适应对连续型数据特征的提取与学习，再通过实验确定DBN的基本结构；最后利用训练数据集对改进后的网络进行训练，实现对f0F2值的预测。与实测值相比较，改进的DBN具有极佳的预测准确性；与浅层结构BP网络和SVM网络相比，改进的DBN不单克服了浅层结构所固有的问题，更表现出对于连续型数据预测的优异性能，尤其是当预测对象受到高维复杂因素影响时改进的DBN模型依旧能表现出很好的预测性能。