近來暴雨頻傳，預報困難度提高，即時短期降水成為熱門的議題。
本研究意欲以深度學習的類神經網路，經過大量雷達影像訓練後，以高命中率預測短期雷達回波演變，並透過回波值Z和時雨量R公式轉換，進行雨量預報。
以中彰投、海拔低於700公尺的地區為對象，先求出各降雨型態（梅雨、颱風等）在Z—R關係式的a、b值，且以回波預測各類型的雨量，並且找出各降雨類型的模型所對應的最佳訓練集長度及訓練型樣（Epoch）。
結果發現在預測冷鋒、颱風、梅雨即時降雨方面，卷積長短期記憶類神經網路(ConvLSTM）的雨量預測能在60分鐘內誤差小於 4毫米，其餘類型的降雨預測，誤差則小於10毫米，成功地預測雨量的變化。
「為配合國家發展委員會「推動ODF-CNS15251為政府為文件標準格式實施計畫」，以及
提供使用者有文書軟體選擇的權利，本館檔案下載部分文件將公布ODF開放文件格式，
免費開源軟體可至LibreOffice下載安裝使用，或依貴慣用的軟體開啟文件。」