Un systme de classification automatique est prsent, qui discrimine les diffrents types de nuages ​​monocouches  l'aide de l'analyse en composantes principales (ACP) avec une prcision amliore et offre une vitesse de traitement rapide par rapport  d'autres techniques. Le systme est d'abord form par des images cloud. En phase de formation, le systme lit les principales caractristiques principales des diffrentes images cloud pour produire un espace image. En phase de test, une nouvelle image de nuage peut tre classe en la comparant  l'espace image spcifi  l'aide de l'algorithme PCA. Les applications de prvision mtorologique utilisent diverses techniques de reconnaissance de formes pour analyser les informations des nuages ​​et d'autres paramtres mtorologiques. Neural Networks est une mthodologie souvent utilise pour le traitement d'images. Certaines mthodologies statistiques telles que FDA, RBFNN et SVM sont galement utilises pour l'analyse d'images. Ces mthodologies ncessitent plus de temps de formation et ont une prcision limite d'environ 70%. Ce niveau de prcision dgrade souvent la classification des nuages ​​et, par consquent, la prcision de la pluie et d'autres prvisions mtorologiques est rduite. L'algorithme PCA fournit une classification des nuages ​​plus prcise qui donne des prvisions de pluie meilleures et concises.