https://tianchi.aliyun.com/competition/information.htm?spm=5176.100067.5678.2.7a303a0d0zp1r2&raceId=231662 标准雷达数据集2018（SRAD2018）共有32万组数据，其中30万组数据作为训练数据集，1万组数据作为初赛测试集，1万组数据作为决赛测试集。 （a）训练数据集的每组数据为覆盖6小时、间隔6分钟的雷达样本数据，每个图的尺寸为 5015013 （b）初赛测试集和决赛测试集的每组数据则仅提供前3小时、间隔6分钟的雷达数据，选手需要预测每组数据在后3小时内以30分钟为间隔的雷达图像结果。

（a） 参赛选手提交的预报数据结果的网格点范围、分辨率、数值范围和缺测值必须按照SRAD2018格式要求。 （b） 参赛选手提交的预测数据文件必须以PNG格式，如果比赛数据样本为：RAD_000000000001000_[000-030].png，预测结果文件命名为：

第30分钟预测结果：RAD_000000000001000_f001.png 第60分钟预测结果：RAD_000000000001000_f002.png 第90分钟预测结果：RAD_000000000001000_f003.png 第120分钟预测结果：RAD_000000000001000_f004.png 第150分钟预测结果：RAD_000000000001000_f005.png 第180分钟预测结果：RAD_000000000001000_f006.png

* 模型：对输入进行CNN的卷积操作，然后得到特征图之后，进行反卷积操作，得到一个501*501*3向量，与Y展平做MSE的损失函数，然后展开训练。
* 输入， 输出：每n(如n=3)帧图片拼接起来作为样本的输入X,第n+1帧作为样本的标签Y。

* 模型：GAN，生产对抗网络（具体不详）

* 模型： 将Image0~ImageT(比如：T=1000？)的每个图的对应的每一个像素，每个通道的值拼接起来，生成501*501个独立的向量X1, X2, ...        X251001，每个向量的长度为T , 然后分别训练2510001个回归模型，分别预测T+1时刻的图片的每一个像素点，然后再生成一张图片。