AI技术在气象领域应用方法：GFS数值模式的风速预报订正、台风预报数据智能订正、机器学习预测风电场的风功率、深度学习预测浅水方程模式、LSTM方法预测ENSO、深度学习convLSTM

查看原文>>>Python人工智能在气象中的应用

Python是功能强大、免费、开源，实现面向对象的编程语言，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能，这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为的主流编程语言之一。

人工智能和大数据技术在许多行业都取得了颠覆式的成果，气象和海洋领域拥有海量的模式和观测数据，是大数据和人工智能应用的天然场景。Python也是当前进行机器学习和深度学习应用的最热门语言。对于的气象海洋领域的专业人员，Python是进行机器学习和深度学习工作的首选。

【内容简述】：

专题一：Python和科学计算基础

1.1 Python入门和安装
1.1.1 Python背景及其在气象中的应用
1.1.2 Anaconda解释和安装以及Jupyter配置
1.1.3 Python基础语法

1.2 科学数据处理基础库
1.2.1 Numpy库
1.2.2 Pandas库
1.2.3 Scipy库
1.2.4 Matplotlib和Cartopy库
1.2.5常用数据格式的IO

掌握基于Anaconda配置python环境，以及使用Jupyterlab开发和调试代码。在了解了python的基础语法后，学习常用的科学计算和可视化库，如Numpy、Pandas和Matplotlib等。打好基础，机器学习数据预处理和结果展示将手到擒来。

专题二：机器学习和深度学习基础理论和实操

2.1 机器学习和深度学习基础理论
2.1.1机器学习基本理论
基础学习的基本知识，如误差反向传播、梯度下降法，以及机器学习的整个常规流程。
2.1.2深度学习基本理论
深度学习基本理论，如卷积神经网络CNN、循环神经网络RNN和生成式对抗网络。
2.1.3机器学习与深度学习在气象中的应用
AI在气象模式订正、短临预报、气候预测等场景的应用，以及深度学习降尺度和PINN内嵌物理神经网络介绍。

2.2 sklearn和pytorch库
2.2.1 sklearn介绍、常用功能和机器学习方法
学习经典机器学习库sklearn的常用功能，如鸢尾花、手写字体等公开数据集的获取、划分训练集和测试集、模型搭建和模型验证等。
2.2.2 pytorch介绍、搭建模型
学习目前流行的深度学习框架pytorch，了解张量tensor、自动求导、梯度提升等，以BP神经网络学习sin函数为例，掌握如何搭建单层和多层神经网络，以及如何使用GPU进行模型运算。

专题三：气象领域中的机器学习应用实例

3.1 GFS数值模式的风速预报订正
3.1.1 随机森林挑选重要特征
3.1.2 K近邻和决策树模型订正风速
3.1.3梯度提升决策树GBDT订正风速
3.1.4 模型评估与对比

3.2 台风预报数据智能订正
3.2.1 CMA台风预报数据集介绍以及预处理
3.2.2 随机森林模型订正台风预报
3.2.3 XGBoost模型订正台风预报
3.2.4 台风“烟花”预报效果检验

3.3机器学习预测风电场的风功率
3.3.1 lightGBM模型预测风功率
3.3.2调参利器—网格搜索GridSearch于K折验证

本专题，在详细讲解机器学习常用的两类集成学习算法，Bagging和Boosting，对两类算法及其常用代表模型深入讲解的基础上，结合三个学习个例，并串讲一些机器学习常用技巧，将理论与实践结合。

专题四：气象领域中的深度学习应用实例

4.1深度学习预测浅水方程模式
4.1.1 浅水模型介绍和数据获取
4.1.2 传统神经网络ANN学习浅水方程
4.1.3 物理约束网络PINN学习浅水方程

4.2 LSTM方法预测ENSO
4.2.1 ENSO简介及数据介绍
4.2.1 LSTM方法原理介绍
4.2.2 LSTM方法预测气象序列数据

4.3深度学习convLSTM
4.3.1卷积神经网络介绍
4.3.2 Unet进行雷达回波的预测

本专题，在学习使用ANN预测浅水方程的基础上，进一步掌握如何使用PINN方法，将动力方程加入模型中，缓解深度学习的物理解释性差的问题。此外，气象数据是典型的时空数据，学习经典的时序预测方法LSTM，以及空间卷积算法UNET。

其它相关推荐：

气象模型软件：WRF、CMAQ、SMOKE、WRF-chem、WRF-DA、CAMx、PMF、OBM-MCM、CMIP6

CMIP6中如何进行SWAT、Biome-BGC模型数据处理

高精度气象模拟软件WRF(Weather Research Forecasting)技术及案例应用

WRF DA资料同化系统理论、运行与与变分、混合同化新方法技术应用

ADCIRC模式与Python融合技术应用

AI技术在气象领域应用方法：GFS数值模式的风速预报订正、台风预报数据智能订正、机器学习预测风电场的风功率、深度学习预测浅水方程模式、LSTM方法预测ENSO、深度学习convLSTM相关推荐

四大金刚数据结构_GIS技术在气象领域应用综述
GIS 技术在气象领域应用综述李丹 [摘要] 摘要 : 地理信息系统即 GIS 具有数据分析.图形制作.预测等多方面的功能 , 在气象领域当中能够对气象数据进行实时采集 - 处理 , 从而为气 ...
杨幂 AI 脸疯狂刷屏， AI技术属于物联网领域吗？
https://www.toutiao.com/a6662987029011235340/ 2019-02-28 17:52:38 导读:近日,一段通过AI技术把朱茵在<射雕英雄传>中扮演 ...
风电功率预测_复杂地形风电场的风功率预测技术研究
点击蓝字关注我们随着全球能源高速增长,气候变化和生态环境问题日益突出,风能作为一种可再生能源,受到各国重视.2013年,中国新增装机容量16088.7MW,累计装机容量91412.89MW,新增装机 ...
人工智能前沿——AI技术在医疗领域的应用（二）
>>>深度学习Tricks,第一时间送达<<< 目录 01 医疗管理 02 公共卫生 03 医学研究 04 医疗培训 05 医学专业支持 06 为患者提供直接帮助 ...
AI技术用于测试领域预研阶段
11月12日人工智能技术目前很火热,可以为测试领域带来一些什么改革呢?本文只是记录了自己在探索阶段,所想到的方向. 1.AI可以通过使用动态定位器改善UI维护难的问题: 在AI用于UI时,常用一些图 ...
Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用
Python是功能强大.免费.开源,实现面向对象的编程语言,在数据处理.科学计算.数学建模.数据挖掘和数据可视化方面具备优异的性能,这些优势使得Python在气象.海洋.地理.气候.水文和生态等地学领 ...
Python机器学习、深度学习技术提升气象、海洋、水文领域应用
Python是功能强大.免费.开源,实现面向对象的编程语言,能够在不同操作系统和平台使用,简洁的语法和解释性语言使其成为理想的脚本语言.除了标准库,还有丰富的第三方库,Python在数据处理.科学计算 ...
基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用
Python是功能强大.免费.开源,实现面向对象的编程语言,能够在不同操作系统和平台使用,简洁的语法和解释性语言使其成为理想的脚本语言.除了标准库,还有丰富的第三方库,Python在数据处理.科学计 ...
基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用能力
目录专题一.Python软件的安装及入门专题二.气象常用科学计算库专题三.气象海洋常用可视化库专题四.爬虫和气象海洋数据专题五.气象海洋常用插值方法专题六.机器学习基础理论和实操专题七. ...

AI技术在气象领域应用方法：GFS数值模式的风速预报订正、台风预报数据智能订正、机器学习预测风电场的风功率、深度学习预测浅水方程模式、LSTM方法预测ENSO、深度学习convLSTM

AI技术在气象领域应用方法：GFS数值模式的风速预报订正、台风预报数据智能订正、机器学习预测风电场的风功率、深度学习预测浅水方程模式、LSTM方法预测ENSO、深度学习convLSTM相关推荐

最新文章

热门文章