开发一个短临天气预报系统，需要有模型的支撑。

设计一个深度天气预报模型。能够以《气候学》为指导，完成气象数据的时间关系处理--时间范畴，能够以《动力气象学》为指导，完成天气生消过程的描述--空间范畴；能够以《气象同化分析》为指导，完成气象数据整理--实况范畴，能够以《深度学习》为指导，建立天气预报模型并业务预报--预报范畴。时间/空间，实况/预报范畴互为共轭，故可以得到“深度天气预报”共轭关系，将这种共轭关系，应用到一系列（72侯 x 12 时辰）预报模型----预报模型集，得到“深度天气预报共轭同构图”。

时间范畴：以中国（10万站点）历史分钟级时间序列数据集为基础， 建立分钟、小时、时辰、侯、年时间偏顺集的态射（统计），得到气象数据的统计（平均，均方差，概率密度分布，平均最大、最小）特征；

空间范畴：深度天气预报以站点和站点间形成的邻接图（数值天气预报是以格点图）为基础展开工作。使用KNN，建立各要素的邻接图韩国天气预报一周，使用有限元分析计算梯度，按照《动力气象学》Z坐标系（我们这里仅关心行星边界层内）公式得到涡度、散度、平流、湍流、稳定度等物理量的处理。不仅如此，也需要按砸《卫星气象学》完成卫星数据的站点化转换，可见光数据增强与过滤，云辨识，降水估计等处理；

实况范畴：同化分析包含实时数据补缺、卫星数据融合、降水数据优化补缺。首先，使用KNN建立的邻接图，对站点数据（在地形作用下）补缺，然后，将卫星+地面数据通过随机森林决策融合，最后，以最完整的小时数据集建立降水数据（小时降水、10分钟降水、地理位置）多输出网络，对实时降水数据同化处理。

预报范畴：对同化后的数据，以国家站、考核站、降水站为中心采样，得到半监督学习的样本集，迭代学习，得到一个深度天气预报模型。如此往复，得到一组（72 x 12）深度天气预报模型。

在范畴论中韩国天气预报一周，范畴间的变换称为函射。函射间的关系称为自然变换。故深度天气预报中的数据流程可以用自然变换表示为：