Nuestro estudio y análisis de las diferencias en la distribución de los espectros de gotas de lluvia en un modelo de predicción de precipitación de Guizhou fueron de gran importancia para comprender los procesos microfísicos de la precipitación y mejorar la predicción cuantitativa de la precipitación por radar. Este artículo seleccionó las estaciones de Dafang, Majiang y Luodian a diferentes altitudes en Guizhou y analizó las características de distribución de las partículas de precipitación a diferentes altitudes. Este artículo utilizó datos de precipitación del nuevo radar meteorológico Doppler de generación, espectrómetro láser de gotas de lluvia OTT-Parsivel y estaciones automáticas de observación meteorológica en Guiyang a través de M-P y GAMMA, y estableció métodos para ajustar el tamaño de las partículas del espectro de precipitación de gotas de lluvia. Basado en el método de red neuronal LSTM, construimos un modelo de predicción de precipitación para Guizhou y realizamos pruebas de rendimiento. Los resultados muestran que (1) las partículas de precipitación en las tres estaciones están todas concentradas en áreas de pequeño tamaño de partículas, con un valor máximo de 0.312 mm y una velocidad de caída final de 1-5 m/s, y el tamaño de las partículas aumenta con la disminución de la altitud. La tasa de contribución a la densidad de partículas con un tamaño de partícula de precipitación de menos de 1 mm supera el 80% y disminuye con la disminución de la altitud. El diámetro de volumen promedio de las partículas de precipitación tiene la correlación más alta con la intensidad de la precipitación. (2) En el ajuste de la distribución del espectro de gotas de lluvia, la distribución GAMMA ajustada por las tres estaciones tiene un mejor efecto y el efecto de ajuste mejora gradualmente con el aumento de la altitud. (3) En la predicción de precipitación para nubes convectivas y nubes estratificadas, los resultados de predicción a 60 minutos son los más consistentes con la precipitación real, con coeficientes de correlación de 0.9287 y 0.9257, respectivamente, lo que indica que la predicción tiene una alta fiabilidad.