【学习教程】基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用能力

专题一  Python软件的安装及入门

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

专题二  气象常用科学计算库

2.1 Numpy库

2.2 Pandas库

2.4 Xarray库

专题三  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

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

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

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。

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

专题八  深度学习基础理论和实操

8.1 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。

8.2 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。

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

专题十  EOF统计分析

10.1 EOF基础和eofs库的介绍

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

专题十一  模式后处理

11.1 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

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

专题十二

交流与答疑

注：请自行准备学习所需环境。

相关课程

报名后赠送linux基础课程。打包优惠及详情联系李莎

报名方式

详细报名流程（填写报名表，开具发票等），请联系课程负责人

李莎：158-3333-2534（微电）

QQ咨询：422573623

最新AI驱动科研全链路实战营：贯通LLM应用→数据分析→自动化编程→文献及知识管理→科研写作与绘图→构建本地LLM、Agent→多模型圆桌会议→N8N自动化工作流深度应用培训班

从机理到实践告别“黑箱”模拟：OpenGeoSys(OGS6)多物理场THMC 全耦合建模与Python自动化分析高级实战营

IBIS陆地生态系统模型从环境搭建、多源数据预处理到水-热-碳-氮耦合模拟、模型验证与论文成果衔接全链路实战应用高级研修班

高水平学术论文写作的“破局”之道暨AI赋能下前沿选题、智能写作、科研可视化、精准选刊与投稿、审稿博弈策略及CNS顶刊跃迁进阶全链路实践培训班

基于claude code、codex双AI协同论文写作撰写与质量校准：从"数据分析→论文初稿→交叉审稿"全流程

基于AI-R的因果推断全链条实战培训班融合潜在结果模型与结构因果模型，覆盖DAG因果图、倾向得分匹配、双重稳健估计、工具变量、因果森林与因果发现

2027年国自然与省级基金项目申报全链条实战升级暨AI人机协同撰写、立项依据精修、关键科学问题凝练、技术路线图设计、评审逻辑深度拆解、申报复盘经验融入与高质量本子打磨高级培训班

面向真实科研场景，构建由Codex、Claude Code、OpenClaw、Hermes四位"AI研究员"组成的可迭代、可迁移的科研协作团队实战培训班

零实验、AI融合：最新文献计量学SCI论文高效写作培训班

AI-R赋能Meta分析核心技术：从热点挖掘到高级建模、论文写作与发表全链路培训班

AI-Python机器学习与深度学习核心架构、可解释AI及前沿技术应用暨融合经典ML集成方法、CNN与U-Net视觉网络、Transformer注意力机制、扩散模型、SHAP分析方法与Hermes Agent科研自动化高级研修班

基于Claude Code与Codex双Agent协作的WebGIS全链路开发高级培训班 涵盖从真实数据驱动的Leaflet交互地图、MapLibre矢量瓦片、ECharts科技大屏与Canvas动效可视化，到PostGIS空间数据库、Express后端接口及阿里云部署的全流程实践，构建可上线、可复用、可交付的WebGIS科研成果系统