الهدف من التنبؤ الفوري بالهطول هو التوقع بدقة شدة الأمطار في منطقة محلية خلال فترة زمنية قصيرة نسبيًا. قليل جدًا من الدراسات السابقة قد فحصت هذه المشكلة الجوية الحاسمة والمعقدة من منظور تعلم الآلة. في هذا البحث، نقوم بصياغة مشكلة التنبؤ الفوري بالهطول كمشكلة توقع متسلسلات زمانية-مكانية، حيث تكون كل من المدخلات والهدف المتوقع عبارة عن متسلسلات زمانية-مكانية. من خلال توسيع الشبكة العصبية LSTM المتصلة بالكامل لتشمل هياكل تلافيفية في كل من انتقالات المدخل إلى الحالة وانتقالات الحالة إلى الحالة، نقترح الشبكة العصبية LSTM التلافيفية (ConvLSTM) واستخدامها لبناء نموذج قابل للتدريب من البداية إلى النهاية لمشكلة التنبؤ الفوري بالهطول. أظهرت التجارب أن شبكتنا ConvLSTM تلتقط الارتباطات الزمانية-المكانية بشكل أفضل وتتفوق باستمرار على شبكات FC-LSTM وعلى خوارزمية ROVER التشغيلية الرائدة في مجال التنبؤ الفوري بالهطول.