对流层湿延迟(ZWD)时变性强,随地理位置而变,现已成为制约各类空间大地测量技术精度或时效性的主要瓶颈之一。鉴于此,本文基于卷积长短期记忆(ConvLSTM)网络,将区域ZWD的历史时空序列向上延拓,以增强数据的空间相关性,同时采用增量训练的方式,提高时空序列对突变信号的注意力;最后,本文以中欧地区为例,对比了滑动窗口二次曲线外推、经典ConvLSTM及本文方法的预报效果。结果表明,滑动窗口二次曲线法的短期预报精度与经典ConvLSTM方法相当,当预报跨度增大后前者精度骤降,而后者相比之下几乎不受影响;在使用增量改进方法后,预报精度在经典ConvLSTM方法基础上提高了60%;在使用“延拓+增量”改进方法后,预报的系统误差进一步降低了50%以上。