机器学习、数据挖掘在气象、水文领域中的应用正在增加之中。人工神经网络、支持向量机等技术已出现于气象、水文研究文献。

   机器学习与人工智能在含义上有相当程度的重合。有说，机器学习与人工智能问题的统一性观点正在形成。

   通过中国知网进行标题检索，直接冠以“机器学习”与“智能算法”的气象、水文类论文不多。下面列出知网标题中出现“数据挖掘”、“气象”、“水文”的全部论文名称。因时间关系，未将期刊论文与学位论文分开。

机器学习方法在雷达定量测量降水及临近预报中的应用研究

机器学习研究及在风力预测中的应用_王琦

时间序列数据挖掘在气象领域的应用研究

数据挖掘在气象中的应用研究与实现

基于数据挖掘的气象数据分析

气象数据挖掘研究

数据挖掘技术在气象数据中的应用

支持向量机算法研究及在气象数据挖掘中的应用

基于商空间的气象时间序列数据挖掘研究

时间序列数据挖掘在气象领域的应用研究

数据挖掘技术在气象资料分析中应用研究

基于商空间的气象数据挖掘研究

数据挖掘技术在公共气象服务中的应用

气象数据仓库的建立及其上数据挖掘

利用数据挖掘技术从气象数据库中建立范例库

Hadoop下基于贝叶斯分类的气象数据挖掘研究

数据挖掘和数据融合技术在天气预报和气象服务中的应用研究

基于中医运气学理论及气象数据挖掘的疫病流行规律研究

基于时序数据挖掘的澜沧江流域气象预报系统(英文)

脾胃湿热证与气象要素相关性的数据挖掘初步研究

气象信息数据挖掘技术的应用

基于气象数据的数据挖掘算法研究

基于数据挖掘的气象集成预报技术的研究与应用

数据挖掘技术在气象信息存储中的应用

基于复杂网络的气象数据挖掘研究

气象信息数据挖掘技术的应用

基于数据挖掘技术构建气象数据信息动态显示平台

数据挖掘和数据融合技术在天气预报和气象服务应用研究

数据挖掘技术在水文预报中的应用及水文预报发展趋势研究

数据挖掘技术在水文预报与水库调度中的应用研究

我国水文数据挖掘技术研究的回顾与展望

基于数据挖掘的水文时间序列预测

数据挖掘在水文时间序列中的应用研究与进展

水文时间序列数据挖掘算法研究与应用

浅论数据挖掘与水文现代化

柔性集成技术研究及其在水文数据挖掘中的应用

数据挖掘技术在水文数据分析中的应用

基于数据挖掘的人类活动影响下水文效应研究

数据挖掘在水文相似年查找中的应用研究

数据挖掘在水文相似年查找中的应用研究

数据挖掘技术在辽河水文预报中的研究

时间序列相似性度量在水文数据挖掘中的应用研究

流域水文数据挖掘体系研究

基于模糊聚类的水文元数据挖掘算法研究

数据挖掘与水文现代化建设

附1：科学网博客及其他来源的相关网页

Welcome to the UC Irvine Machine Learning Repository

http://archive.ics.uci.edu/ml/

[转载]牛人林达华推荐有关机器学习的数学书籍

http://bbs.sciencenet.cn/home.php?mod=space&uid=224917&do=blog&id=491478 

R语言中的机器学习

http://blog.sciencenet.cn/home.php?mod=space&uid=54276&do=blog&id=271869 

[转载]机器学习方法总结

http://bbs.sciencenet.cn/blog-1066631-725581.html

附2：http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/cccf07.pdf

                                                                机器学习与数据挖掘

                                                                            周 志 华

                                            南京大学计算机软件新技术国家重点实验室，南京210093

     “机器学习”是人工智能的核心研究领域之一， 其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能，因为众所周知，没有学习能力的系统很难被认为是具有智能的。目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”[1]。事实上，由于“经验”在计算机系统中主要是以数据的形式存在的，因此机器学习需要设法对数据进行分析，这就使得它逐渐成为智能数据分析技术的创新源之一，并且为此而受到越来越多的关注。

     “数据挖掘”和“知识发现”通常被相提并论，并在许多场合被认为是可以相互替代的术语。对数据挖掘有多种文字不同但含义接近的定义，例如“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程”[2]。其实顾名思义，数据挖掘就是试图从海量数据中找出有用的知识。大体上看，数据挖掘可以视为机器学习和数据库的交叉，它主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。

      ……

     数据挖掘受到了很多学科领域的影响，其中数据库、机器学习、统计学无疑影响最大[12]。粗糙地说，数据库提供数据管理技术，机器学习和统计学提供数据分析技术。由于统计学界往往醉心于理论的优美而忽视实际的效用，因此，统计学界提供的很多技术通常都要在机器学习界进一步研究，变成有效的机器学习算法之后才能再进入数据挖掘领域。从这个意义上说，统计学主要是通过机器学习来对数据挖掘发挥影响，而机器学习和数据库则是数据挖掘的两大支撑技术。

     从数据分析的角度来看，绝大多数数据挖掘技术都来自机器学习领域。但能否认为数据挖掘只不过就是机器学习的简单应用呢？答案是否定的。一个重要的区别是，传统的机器学习研究并不把海量数据作为处理对象，很多技术是为处理中小规模数据设计的，如果直接把这些技术用于海量数据，效果可能很差，甚至可能用不起来。因此，数据挖掘界必须对这些技术进行专门的、不简单的改造。

      ……