气象局算法工程师告诉你,三天以后的天气预报是不是瞎猜

Python大数据分析

共 1882字,需浏览 4分钟

 ·

2020-08-04 22:22

本文转载自和鲸社区公众号


8a361dd53578595848b2c632ed76bc73.webp


作为一个数据科学社区的小编,我在留言区经常会被灵魂拷问:


“这个项目好棒,但是代码看不懂"

“写得太简单了,可以用这样这样那样那样的思路”

“有没有**(某知名APP)的数据分析项目啊”


每每看到这样的问题,我都会陷入沉思


“我也想给更多,但这也不是我写的啊”

       eaaf902be4ab7f665fa4114240243235.webp

所以哪里可以找到有实际意义、能由浅入深囊括大部分数据分析知识的系列项目呢?

 

嘿,当然是我司新涉足的气象领域咯。气象数据因其数字化程度高、数据量庞大,数据维度丰富、结构化、可挖掘性高、半公开的特性,被(至少我司同事)一致认为是学习数据分析的最好学习材料。

 

且听我娓娓道来:

 

 可能是最丰富的数据分析材料 

 

数据分析,最重要的基石是数据,没有优质稳定的数据来源,怕是要分析个寂寞。而气象领域的数据资料共享,做得尤其优秀。

 

举个例子

       8a872890fbf9a993d663c47e43f1a279.webp


你仔细看看这个网站可以提供的数据内容以及颗粒细度


4b603e4275c3647abda4af2b92d522bf.webp

<国家气象科学数据中心 - 共享目录>


65b16ed42e2dc9415ff12f4befb69eae.webp

<国家气象科学数据中心 - 台站选取>


气象数据不仅仅是今天几度,明天下不下雨这么简单,它囊括了很多数据维度,包括气温、气压、空气湿度、风速、风向等,这些都被保存成了结构化数据,公布在公开网站上,供大家取用。


58f47bb228d579b4d9a795bb01f70043.webp


而以上网站,只是气象数据共享网站的其中一个


       db619d8acd4b8ed2644094d296f9bc52.webp



 可视化制作 

 得时序&地理数据者得天下 


做过可视化分析的同学都懂,如果只会画个条形图、折线图根本就不好意思说自己会数据分析。要显得高端有逼格,就一定要上时序数据以及地理数据。


你看看这图,以及这贴心的代码注释


8cc2f674eef6eb983b9c866a52d9eee9.webp

692f736773725d6ee2915bf1e7d3687e.webp 


再看看自己手上网上随便淘的,看了上篇没下篇的教程,这难道不酷吗?



 预测目标真实可感 


其实说到气象,与我们关系最密切的还是“这雨啥时候停”,业内将这个问题称作精确预报。


传统方法是每隔 6 分钟更新一次的气象雷达,雷达扫描云层,投影在地图上,可以直观地反映你头顶是不是在下雨。但是雷达中还存在大量干扰性信息,比如尘埃和折射率分布不均匀的空气,都可能被误判为降雨。

而使用人工智能的方法,可以用过去五年的降雨数据作为训练用数据集,训练后就可用来预测下一帧的雷达图像。

通过人工智能的方法降雨率预报准确率相比传统方法提升了80%。

 

也就是说,如果你愿意,不需要气象知识,也不需要会解空气动力学方程组,就可以试试预测自己头上的雨啥时候停。



好,铺垫了这么多,终于要开始进入正题了,请看此次活动海报 


↓↓↓


58a2279760e785b3455b4914e907fc03.webp


给大家划一下重点

 

 授课导师 

 

冬青

南京信息工程大学大气科学专业毕业,曾就职于多家业内知名商业气象公司。现任上海眼控科技算法工程师,从事数值天气模式和AI气象方面研究。擅长气象数据处理、数值天气模式、气象与深度学习结合等领域。

 

 时间安排 


第一期大纲


Part1

  • 气象数据初探:生活中的气象与气象数据行业应用


Part2
  • 气象数据简介

    • 气象数据的分类与常见气象数据的获取、可视化

      • 站点数据:使用 AWOS 数据查看温度变化/分布

      • 格点数据:使用某 ERA5 文件绘制全球平均气温分布

    • 常见气象数据简介
  • 气象数据分析工作流:如何准确定义问题并获取与处理气象数据

    • 数据时空维度

    • 数据时间类型

    • 数据是否直接存在

  • 作业练习:绘制 ERA5 资料中 2020 年 7 月 13 日 0 点全国降水分布图




第二期:快速上手气象数据处理:空间插值和天气学诊断(8.11-8.17)

第三期:以某赛事为例,体验数据挖掘全流程(8.17-8.24)

第四期:利用机器学习,对天气预报数据进行订正(8.25-8.31)

 

※ 正式课程时间暂定,扫描海报二维码报名活动,第一时间获取更新


 课程优势 


免费


相信大家都看烦了“一杯奶茶钱,报名试听课,就可以balabala”这类的说辞。在此,我们郑重地和大家承诺,此项课程全程免费,也无后续课程推销。我们仅仅是希望大家学好知识的同时,喜欢我们和鲸社区(最近还有气象专区上线,欢迎大家疯了一样点赞关注收藏转发)。

9f1d8c911fa8d4a28666a2a08e69d478.webp


线上环境,摆脱装软件困扰


话都说到这里了,还是要自夸一下。市面上无论是教程、网课,都会花费大把时间用在安装软件,搭建环境上,且处理气象类数据时的各类库尤其难装,很容易在这个环节就被劝退了。

而我司的K-Lab,提供了开箱即用的编程环境,杜绝一切装环境劝退的可能;基于网页的交互甚至可以做到用手机就能写代码。

  522b63601e1287d16b214dc8ba7a51b1.webp


助教在线


虽然是免费课程,但该有的还是要有。为了防止“自从3年级的数学课捡了一支笔,从此再也没有听懂过老师在说什么”的类似情况发生,我们还为大家配备了助教老师,有问题欢迎骚扰。



 报名方法 



<扫描上方二维码报名>


为了防止大家走失,我们还设置了微信客服,遇到任何问题,可以扫码咨询客服

<扫描上方二维码咨询客服>



※ 点击 阅读原文 即可报名

浏览 47
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报