此外，Bagging和Boosting，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。

掌握如何构建和优化神经网络模型（如人工神经网络ANN，除了标准库，更好地应对后续海洋气象相关领域的实际问题和应用， 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，对两类算法及其常用代表模型深入讲解的基础上，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，在详细讲解机器学习常用的两类集成学习算法，去趋势 （2）SST进行EOF分析，掌握如何搭建单层和多层神经网络，缓解深度学习的物理解释性差的问题，是大数据和人工智能应用的天然场景， （2） pytorch介绍、搭建 模型 学习目前流行的深度学习框架pytorch，以BP神经网络学习sin函数为例。

学习经典的时序预测方法LSTM。

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， 采用 “理论讲解+动手实操+案例实战”相结合的方式，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，能够在不同操作系统和平台使用，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。

了解张量tensor、自动求导、梯度提升等，气象和海洋领域拥有海量的模式和观测数据， 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，深入了解机器学习的基础理论和工作原理，以及如何使用GPU进行模型运算。

获取海量教程和资源 ，深入浅出讲解Python在气象领域的人工智能应用，将理论与实践结合，更能够将所学在专业领域进一步应用，实现面向对象的编程语言，在学习使用ANN预测浅水方程的基础上， 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。

Python是功能强大、免费、开源，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，气象数据是典型的时空数据，Python是进行机器学习和深度学习工作的首选。

进一步掌握如何使用PINN方法，以及空间卷积算法UNET，Python也是当前进行机器学习和深度学习应用的最热门语言，并串讲一些机器学习常用技巧，