降水临近预报的目标是在较短的时间内预测某一地区未来的降雨强度。此前，很少有研究从机器学习的角度探讨这一关键且具有挑战性的天气预报问题。在本文中，我们将降水临近预报表述为一个时空序列预测问题，其中输入和预测目标均为时空序列。通过将全连接LSTM（FC-LSTM）扩展到输入到状态和状态到状态的转换中引入卷积结构，我们提出了卷积LSTM（ConvLSTM），并利用其构建了一个端到端可训练的模型来解决降水临近预报问题。实验结果表明，我们的ConvLSTM网络能够更好地捕捉时空相关性，并且在降水临近预报方面始终优于全连接LSTM和当前最先进的业务算法ROVER。