近些年来，极端灾害性天气在我国不断发生，对我国的经济、农业、民生及生态领域，都造成了极大的损失，那么如何很好的预报这些天气状况及对这些天气现象带来的灾害进行最大程度的预防，需要进行深入研究和探讨，并给出相应的识别和预报工具，对这些天气现象进行监测和分析。本文通过历史样本数据，得到相应的“列车效应”特征，并通过实时对接收到的数据进行分析、比较及综合，对所监测到的天气现象进行识别，做出预报及外推。本文主要的做如下工作：（1）观察历史数据样本，熟悉“列车效应”特征及生成、发展、成熟，消亡过程的规律，对“列车效应”整体上有了比较完整的认识，并依此对“列车效应”进行人工特征的提取，然后将数据录入到数据库中，并通过粗糙集规则挖掘工具提取规则，构建识别模型。（2）通过对实时数据的预处理，提出了对单体进行拟合并进行自动聚类的方法，获得多个“列车效应”疑似过程，然后对每个过程进行判别，做出“列车效应”的判断，并以此锁定目标区域。（3）连续获得若干时刻数据，通过不断更新“列车效应”的时间序列，形成其云团族谱，提出了由单体及整体云带的运动惯性，对“列车效应”进行外推及预报的方法。综上所述，通过以上方法，实现了对“列车效应”的实时监测及识别，并且对其发展趋势及位置、强度等信息做出了相应的预报。