做团建活动网站,公众号创建好了怎么在微信里搜索,企业名录搜索软件靓号怎么搜,cookie做网站登录Python是功能强大、免费、开源#xff0c;实现面向对象的编程语言#xff0c;能够在不同操作系统和平台使用#xff0c;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#xff0c;还有丰富的第三方库#xff0c;Python在数据处理、科学计算、数学建模、数据挖… 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。
【内容简介】
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
1Request库的介绍
2爬取中央气象台天气图
3FNL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
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
1sklearn的简介
2sklearn完成分类任务
3sklearn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
2K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
1CMA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
3XGBoost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
1lightGBM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
1sklearn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
4ENSO简介及数据介绍
5LSTM方法原理介绍
6LSTM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
2Unet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
1SST数据计算距平去趋势
2SST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
1wrf-python库介绍
2提取站点数据
3500hPa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
1xarray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 专题九
深度学习的应用实
