登录
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。 专题一 Python软件的安装及入门 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 专题二 气象常用科学计算库 2.1 Numpy库 2.2 Pandas库 2.4 Xarray库 ? 专题三 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 专题四 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 专题五 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 ? 专题六 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 专题七 机器学习的应用实例 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。 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 ? 专题八 深度学习基础理论和实操 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 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。 ? 专题九 深度学习的应用实例 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。 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 ? ? 专题十 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 ? ? 专题十一 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 ? ? 原文阅读：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 |
