Python人工智能气象

 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。

一：Python和科学计算基础

1.1 Python安装

1.1.1 Python在气象中的应用

1.1.2 Anaconda解释和安装以及Jupyter配置

1.1.3 Python基础语法

1.2 科学数据处理基础库

1.2.1 Numpy库

1.2.2 Pandas库

1.2.3 Scipy库

1.2.4 Matplotlib和Cartopy库

1.2.5常用数据格式

二：机器学习和深度学习基础理论和实操

2.1 机器学习和深度学习

2.1.1机器学习基本理论

2.1.2深度学习基本理论

2.1.3机器学习与深度学习在气象中的应用

2.2 sklearn和pytorch库

2.2.1 sklearn常用功能和机器学习方法

2.2.2 pytorch搭建模型

三：气象领域中的机器学习应用

3.1 GFS数值模式的风速预报订正

3.1.1 随机森林挑选重要特征

3.1.2 K近邻和决策树模型订正风速

3.1.3梯度提升决策树GBDT订正风速

3.1.4 模型评估与对比

3.2 台风预报数据智能订正

3.2.1 CMA台风预报数据集介绍以及预处理

3.2.2 随机森林模型订正台风预报

3.2.3 XGBoost模型订正台风预报

3.2.4 台风“烟花”预报效果检验

3.3机器学习预测风电场的风功率

3.3.1 lightGBM模型预测风功率

3.3.2调参利器—网格搜索GridSearch于K折验证

四：气象领域中的深度学习应用实例

4.1深度学习预测浅水方程模式

4.1.1 浅水模型介绍和数据获取

4.1.2 传统神经网络ANN学习浅水方程

4.1.3 物理约束网络PINN学习浅水方程

4.2 LSTM方法预测ENSO

4.2.1 ENSO简介及数据

4.2.2 LSTM方法原理

4.2.3 LSTM方法预测气象序列数据

4.3深度学习—卷积网络

4.3.1卷积神经网络

4.3.2 Unet进行雷达回波的预测