Los factores que influyen en la precipitación en el oeste de China son bastante complejos, lo que aumenta la dificultad para determinar predictores precisos. Por lo tanto, este documento modela los datos de precipitación medidos mensualmente de 240 estaciones meteorológicas en la China continental y los datos de precipitación del Centro Europeo para Pronósticos Meteorológicos a Medio Plazo y del Centro Nacional del Clima, y emplea 88 índices de circulación atmosférica para desarrollar un esquema de predicción de precipitación. Específicamente, se crea un campo de puntos de cuadrícula de alta calidad fusionando y revisando los datos de precipitación de múltiples fuentes. Este campo se combina con la descomposición de Funciones Ortogonales Empíricas y el flujo de información causal. A continuación, se seleccionan los mejores predictores a través de la descomposición de Funciones Ortogonales Empíricas y el flujo de información causal, y se establece un modelo de predicción de precipitación basado en datos utilizando una Red Neuronal de Retropropagación y un algoritmo de Bosque Aleatorio para realizar las predicciones de precipitación a 1 mes, 3 meses y 6 meses. Los resultados muestran que: El modelo de predicción de precipitación basado en aprendizaje automático tiene una alta precisión y generalmente es capaz de predecir mejor la tendencia de precipitación en la región occidental. El algoritmo de Bosque Aleatorio supera significativamente al algoritmo de Red Neuronal de Retropropagación en la predicción de los tres tiempos de inicio, y la capacidad de predicción de ambos modelos disminuye gradualmente a medida que aumenta el tiempo de inicio. En comparación con las puntuaciones de predicción de la temporada de inundaciones de 2022 del Instituto de Ciencias Atmosféricas de la Academia China de Ciencias, el modelo mejora la predicción de la precipitación a 1 mes y 3 meses en la región occidental y proporciona una nueva idea para la predicción climática a corto plazo de la precipitación en el oeste de China.