技術(shù)學(xué)習(xí)
Data_Science_With_Python_Workflow
收獲了流程的思路，每次頭腦很模糊，搞不清過程，東做一個西做一個。有幾個包，需要學(xué)習(xí)打磨一下。
科學(xué)研究
讀《氣象》2021年 第47卷 第3期
機器學(xué)習(xí)在強對流監(jiān)測預(yù)報中的應(yīng)用進展
可能的發(fā)展方向，可以像環(huán)境氣象類比：
盡管目前機器學(xué)習(xí)在強對流監(jiān)測和預(yù)報中依然存在一些制約!但機器學(xué)習(xí)所展示出來的性能表現(xiàn)!表明其在未來應(yīng)該會成為我們越來越有力的工具$^2@>-?92@3297:!!"#+%'未來機器學(xué)習(xí)應(yīng)當會在以下幾個強對流天氣監(jiān)測和預(yù)報方面進一步發(fā)展
（1）利用機器學(xué)習(xí)方法進行多源數(shù)據(jù)的更有效融合應(yīng)用!從而更好地實現(xiàn)強對流的監(jiān)測和臨近預(yù)報'衛(wèi)星(雷達(閃電(自動氣象站等觀測數(shù)據(jù)!各有優(yōu)勢與劣勢!如果充分發(fā)掘各自的優(yōu)點!進行綜合應(yīng)用!最大化地體現(xiàn)觀測數(shù)據(jù)的優(yōu)勢將成為未來強對流監(jiān)測和臨近預(yù)報的一大挑戰(zhàn)'此外!高頻次的觀測數(shù)據(jù)還可以與高時空分辨率(快速更新同化的數(shù)值模型進行有效融合!實現(xiàn)臨近預(yù)報到短時預(yù)報的無縫過渡'
（2）如果能對風(fēng)暴的不同階段的演變特征實現(xiàn)有效識別!將能更好地實現(xiàn)強對流天氣的提前預(yù)警'可以嘗試利用機器學(xué)習(xí)!進行中氣旋(上沖云頂(弓狀回波等特征的識別!相對于直接利用天氣現(xiàn)象作為標記!對于冰雹(雷暴大風(fēng)(龍卷等強烈對流天氣能起到更加提前的預(yù)警效果'
（3）依托數(shù)值預(yù)報模式!利用機器學(xué)習(xí)!進行數(shù)值模式預(yù)報訂正和釋用!將進一步提升和改進預(yù)報水平'數(shù)值模式依靠大氣運動規(guī)律!對大氣運行進行計算!而機器學(xué)習(xí)通常只是擬合預(yù)報因子和標記間的相關(guān)關(guān)系!并不注重其物理規(guī)律'將數(shù)值模式與機器學(xué)習(xí)相結(jié)合!能實現(xiàn)物理規(guī)律和相關(guān)關(guān)系的更好結(jié)合!進一步提升模式預(yù)報結(jié)果的深度應(yīng)用'機器學(xué)習(xí)算法如何與物理規(guī)律相結(jié)合進一步提升監(jiān)測和預(yù)報能力依然任重道遠
（4）利用機器學(xué)習(xí)可實現(xiàn)強對流規(guī)律和物理原理的進一步認識'目前!除了決策樹等算法!大部分算法擬合過程猶如+黑箱,!雖然其預(yù)報效果較通常的統(tǒng)計方法或者主觀方法有所提升!但是其過程通常無法理解'目前!將深度學(xué)習(xí)特征提取過程可視化!也已經(jīng)成為一個熱點研究方向$5.?@3?Z@297:!!*&氣象第&'卷!"#J)^/<@3!!"#+)F>6.=2D3297:!!"#+%!通過這樣的可視化與解釋!應(yīng)當會對氣象學(xué)者進一步理解中小尺度天氣現(xiàn)象有啟發(fā)'
