基于Python机器学习、深度学习提升气象、海洋、水文应用教程

详情点击链接:基于Python机器学习、深度学习提升气象、海洋、水文应用教程

前沿

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。

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

(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

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

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

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, 深度学习基础理论

8.1 深度学习基本理论

深度学习基本理论知识,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、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、搭建 模型

目前流行的深度学习框架pytorch,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,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

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

(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

相关推荐
觅远9 分钟前
python实现word转html
python·html·word
威化饼的一隅18 分钟前
【多模态】swift-3框架使用
人工智能·深度学习·大模型·swift·多模态
悠然的笔记本35 分钟前
python2和python3的区别
python
机器学习之心43 分钟前
BiTCN-BiGRU基于双向时间卷积网络结合双向门控循环单元的数据多特征分类预测(多输入单输出)
深度学习·分类·gru
西猫雷婶1 小时前
python学opencv|读取图像(十六)修改HSV图像HSV值
开发语言·python·opencv
lovelin+v175030409661 小时前
智能电商:API接口如何驱动自动化与智能化转型
大数据·人工智能·爬虫·python
赵谨言1 小时前
基于python+django的外卖点餐系统
经验分享·python·毕业设计
孤独的履行者1 小时前
入门靶机:DC-1的渗透测试
数据库·python·网络安全
CodeClimb2 小时前
【华为OD-E卷-最左侧冗余覆盖子串 100分(python、java、c++、js、c)】
java·python·华为od
深度学习lover2 小时前
<项目代码>YOLO Visdrone航拍目标识别<目标检测>
python·yolo·目标检测·计算机视觉·visdrone航拍目标识别