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.