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、数学建模、数据挖掘和数据可视化方面具备优异的性能。上述优势使得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将成为气象、海洋和水文等地学领域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。
点击查看原文
一、Python软件的安装
1.1 Python背景及其在气象中的应用
1.2 Anaconda解释和安装以及Jupyter配置
1.3 Python基础语法
二、气象常用科学计算库
2.1 Numpy库
2.2 Pandas库
2.4 Xarray库
三、气象海洋常用可视化库
3.1可视化库介绍Matplotlib、Cartopy等
3.2 基础绘图
(1)折线图绘制
(2)散点图绘制
(3)填色/等值线
(4)流场矢量图
四、爬虫和气象海洋数据
(1)Request库的介绍
(2)爬取中央气象台天气图
(3)FNL资料爬取
(4) ERA5下载
五、气象海洋常用插值方法
(1)规则网格数据插值到站点
(2)径向基函数RBF插值
(3)反距离权重IDW插值
(4)克里金Kriging插值
六、机器学习基础理论和实操
6.1 机器学习基础原理
(1)机器学习概论
(2)集成学习(Bagging和Boosting)
(3)常用模型原理(随机森林、Adaboost、GBDT、Xgboost、lightGBM)
6.2 机器学习库scikit-learn
(1)sklearn的简介
(2)sklearn完成分类任务
(3)sklearn完成回归任务
七、机器学习的应用实例
7.1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
7.2 GFS数值模式的风速预报订正
(1)随机森林挑选重要特征
(2)K近邻和决策树模型订正风速
(3)梯度提升决策树GBDT订正风速
(4)模型评估与对比
7.3 台风预报数据智能订正
(1)CMA台风预报数据集介绍以及预处理
(2)随机森林模型订正台风预报
(3)XGBoost模型订正台风预报
(4)台风“烟花”预报效果检验
7.4 机器学习预测风电场的风功率
(1)lightGBM模型预测风功率
(2)调参利器—网格搜索GridSearch于K折验证
八、深度学习
8.1 深度学习基本理论
深度学习基本理论知识讲解,深入了解机器学习的基础理论和工作原理,掌握如何构建和优化神经网络模型(如人工神经网络ANN,卷积神经网络CNN、循环神经网络RNN等),提高对现有深度学习算法和技术的理解和应用能力,更好地应对后续海洋气象相关领域的实际问题和应用。
8.2 Pytorch库
(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) pytorch介绍、搭建 模型
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。
九、深度学习的应用实例
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。
9.1深度学习预测浅水方程模式
(1)浅水模型介绍和数据获取
(2) 传统神经网络ANN学习浅水方程
(3)物理约束网络PINN学习浅水方程
9.2 LSTM方法预测ENSO
(4)ENSO简介及数据介绍
(5)LSTM方法原理介绍
(6)LSTM方法预测气象序列数据
9.3深度学习—卷积网络
(1)卷积神经网络介绍
(2)Unet进行雷达回波的预测
十、EOF统计分析
10.1 EOF基础和eofs库的介绍
10.2 EOF分析海表面温度数据
(1)SST数据计算距平,去趋势
(2)SST进行EOF分析,可视化
十一、模式后处理
11.1 WRF模式后处理
(1)wrf-python库介绍
(2)提取站点数据
(3)500hPa形式场绘制
(4)垂直剖面图——雷达反射率为例
11.2 ROMS模式后处理
(1)xarray为例操作ROMS输出数据
(2)垂直坐标转换,S坐标转深度坐标
(3)垂直剖面绘制
(4)水平填色图绘制
点击查看原文
Python机器学习、深度学习技术提升气象、海洋、水文领域应用相关推荐
- 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、水文领域实践应用能力
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. ...
- 机器学习 深度学习技术区别_体育技术机器学习金钱和灵感的圣杯
机器学习 深度学习技术区别 I claim that anyone with a math background and a love of baseball has at one time give ...
- 大数据基石python学习_资源 | 177G Python/机器学习/深度学习/算法/TensorFlow等视频,涵盖入门/中级/项目各阶段!...
原标题:资源 | 177G Python/机器学习/深度学习/算法/TensorFlow等视频,涵盖入门/中级/项目各阶段! 这是一份比较全面的视频教程,基本上包括了市面上所有关于机器学习,统计学习, ...
- opencv与python学哪一个好_教你如何用OpenCV、Python和深度学习技术对图像和实时视频进行神经风格迁移...
编者按:在这篇教程中,作者AdrianRosebrock将教你如何用OpenCV.Python和深度学习技术对图像和实时视频进行神经风格迁移. 2015年,Gatsys等人在论文ANeuralAlgo ...
- Python 机器学习/深度学习/算法专栏 - 导读目录
目录 一.简介 二.机器学习 三.深度学习 四.数据结构与算法 五.日常工具 一.简介 Python 机器学习.深度学习.算法主要是博主从研究生到工作期间接触的一些机器学习.深度学习以及一些算法的实现 ...
- python 讲义 马永亮_资源 | 177G Python/机器学习/深度学习/算法/TensorFlow等视频,涵盖入门/中级/项目各阶段!...
8. 西安交大应用统计分析SPSS1-48讲 9. Python科学计算 10. Neural Network for Machine Learning (英文字幕) 11. python教程(马永亮 ...
最新文章
- 【GLib】GLib学习笔记(三):gtypes、garray、gerror、goption
- 远震波形射线计算的局限性
- 结构体是否有默认的构造函数?(没有,如果需要,需要自己写)
- kubernetes+Azure DevOps实现.Net Core项目的自动化部署均衡负载
- 【Flink】Flink 报错 Initial AbstractPagedOutputView Segment may not be null
- Flash(as3.0) CScreen
- 分享:BlackHole开发日记-Java守护进程、Signal处理
- 小呆聚合支付系统免签约即时到账多商户支付系统v6.5+监控软件+教程
- einsum(): operands do not broadcast with remapped shapes [original->remapped]: [1, 144, 20, 17]->[1,
- pyTest官方手册(Release 4.2)之蹩脚翻译(1)
- MES系统是什么?对企业来说有何好处?
- Java上帝类(Object类)源码总结(1)
- CF Canada Cup 2016 D 优先队列
- 去除input边框以及选中时边框 默认样式
- Tita 绩效宝:绩效面谈的8个流程
- 电视机与计算机共享,终于实现电视与电脑共享了!与大家分享!
- day6邮件自动发送
- 【Effective C++】item20: Prefer pass-by-reference-to-const to pass-by-value
- RemObjects Elements多用途软件开发工具链
- 【CCF】——中间数(详细分析)