wangyanjiayou的个人博客分享 http://blog.sciencenet.cn/u/wangyanjiayou

博文

Python在气象领域的人工智能应用、Python编程技巧和机器学习和深度学习的相关经验

已有 615 次阅读 2023-12-4 16:33 |系统分类:科研笔记

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。

采用 “理论讲解+动手实操+案例实战”相结合的方式,深入浅出讲解Python在气象领域的人工智能应用,不仅能够掌握Python编程技巧和机器学习和深度学习的相关经验,更能够将所学在专业领域进一步应用。

专题一 Python软件的安装及入门
1.Python背景及其在气象中的应用
2.Anaconda解释和安装以及Jupyter配置
3.Python基础语法

专题二 气象常用科学计算库
1.Numpy库
2.Pandas库
3.Xarray库

专题三 气象海洋常用可视化库
1.可视化库介绍Matplotlib、Cartopy等
2.基础绘图
折线图绘制、散点图绘制
填色/等值线、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
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)
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。
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
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
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
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
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。
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。
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
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
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
1.EOF基础和eofs库的介绍
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
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
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
注:请提前自备电脑及安装所需软件
更多应用:包含WRF模式、NCL、CMAQ空气质量模式、PMF源解析、Calpuff模型、FLEXPART模式、SMOKE模式、VOCs排放量核算、大气臭氧来源解析、CAMx、EKMA曲线、MCM箱模型、WRF-Hydro、WRF-Chem、WRF-UCM、WRF-SOLAR、WRFDA、Python气象海洋、CMIP6数据处理等... 
关 注【科研充电吧】公 众 号,获取海量教程和资源



https://blog.sciencenet.cn/blog-3539141-1412410.html

上一篇:ChatGPT丨最新PyTorch机器学习与深度学习实践技术应用
下一篇:Citespace和vosviewer文献信息可视化软件工具,主题确定、数据分析绘图、文章框架与写作
收藏 IP: 111.225.77.*| 热度|

2 张学文 曹俊兴

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-2-24 20:01

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部