针对强对流天气短临预报的大范围降水预报在国家气象灾害防御中有十分重要的地位,对于国家农业、重大社会活动以及灾情防护上都有迫切需求。虽然我国近几年在强对流天气短临预报方面有很大进展,但面对大范围地区的降水预报仍面临很大的挑战。对于大范围多维长序列降水预报问题,尝试用深度学习的方法,提高大范围降水预报的准确性。强对流云识别和强对流云运动预测是大范围强对流天气短临预报技术的关键点。本论文依托中国电子集团公司第十四研究所所控横向科研项目,针对大范围降水预报中强对流云识别和运动预测方法研究与实现开展如下工作:1)分析大范围降水预报的相关特性,研究强对流天气短临降水预报的原理,给出了通过多维长序列强对流云识别和强对流云运动预测来进行大范围降水预报的方法。2)针对模型需要的数据进行分析,通过对全国多站点雷达数据、卫星数据、可降水量等数据分析处理制作模型所需要的数据集。3)针对大范围卫星云图中强对流云识别精度低、效果差的情况,提出基于图像语义分割的强对流云识别模型,通过深度学习神经网络抽象图像深层次特征,比传统的图像识别方式更为精确,也更适用于强对流云识别模型。4)针对多维长序列的强对流云运动预测模型,提出基于随机对抗视频预测模型的强对流云运动预测模型,通过变分自编码器和生成对抗网络有效应对多维长序列的运动预测,提高大范围降水预报的精度。通过大范围降水预报模型验证了图像语义分割对于强对流云识别的准确性、视频预测对于强对流云运动预测的准确性。以及通过计算探测概率(POD)、虚警率(FAR)、临界成功指数(CSI)检验表明,本文提出的模型在面向大范围降水预报多维长序列预测上有不错的效果。