腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

气象学家

气象学家为您解读气象进展、分享气象编程技巧。欢迎加入气象AI和Python交流群！与2W+朋友一起交流互动！

专栏作者

282

文章

505791

阅读量

201

订阅数

《自然-通讯》| 用机器学习和时间序列数据为气候变化下的武装冲突风险建模

编程算法机器学习神经网络深度学习人工智能

Ge, Q., Hao, M., Ding, F. et al. Modelling armed conflict risk under climate change with machine learning and time-series data. Nat Commun 13, 2839 (2022). https://doi.org/10.1038/s41467-022-30356-x

2022-06-13

6000

时间序列预测一定需要深度学习模型吗？

特征工程深度学习机器学习编程算法神经网络

时间序列预测是机器学习中的一项常见的任务，具有非常广泛的应用，例如：电力能源、交通流量和空气质量等预测。传统的时间序列预测模型往往依赖于滚动平均、向量自回归和自回归综合移动平均。另一方面，最近有人提出了深度学习和矩阵分解模型来解决时间序列预测问题，并获得了更具竞争力的性能，但是该类模型往往过于复杂。

2022-06-13

4020

基于机器学习-动力混合模型预测作物产量的新方法

机器学习神经网络深度学习人工智能线性回归

近几十年来，全球人口持续增长，极端灾害性天气频繁发生，粮食安全问题日益成为全人类面临的重大挑战之一。小麦是全球种植量最大的谷物，占粮食总产量的1/3，为全世界约40%人口提供了口粮供应，而中国是最大的小麦生产和消费国，如何对小麦产量进行准确预测是国内外学界广泛关注的热点问题。

2022-04-18

8920

这就是深度学习如此强大的原因

卷积神经网络编程算法深度学习神经网络机器学习

据报道称，由于采用基于云的技术和在大数据中使用深度学习系统，深度学习的使用在过去十年中迅速增长，预计到 2028 年，深度学习的市场规模将达到 930 亿美元。

2022-04-18

3510

NVIDIA AI模型精确模拟天气，为离岸风力发电厂提升20%发电量！

机器学习深度学习人工智能神经网络

NVIDIA 在去年宣布将借助Omniverse技术构建能模拟地球气候的超大型数字孪生环境 Erath-2 ，在今年 GTC 大会， NVIDIA 宣布基于物理学的 Modulus 人工智能框架，使 Omniverse 环境能够获得物理机器学习的加速，相较过去以数千倍的速度解决规模较过往高出数百万倍的科学与工程问题，除了 NVIDIA 的 Earth-2 以及西门子歌美飒风力发电厂在建立物理现象模型时也获得数百万倍的提升。

2022-04-18

6180

俄乌冲突 | 伯克利团队用MAE神经网络加速SAR雷达图像分析

图像分析图像处理学习方法机器学习神经网络

情报分析是一项重要工作，军事战略家、研究人员和记者，都依赖情报分析来作出决策、揭露违反国际协议的行为，并向公众展示战争的严酷现实。卫星图像在情报分析工作中扮演了重要的信息来源角色。

2022-04-18

1.5K0

文章推荐｜机器学习在气象领域的应用现状与展望

编程算法机器学习卷积神经网络神经网络深度学习

全文地址：http://www.qxkj.net.cn/qxkj/article/abstract/20210614

2022-03-30

2K0

利用机器学习和深度学习方法整合多源数据进行中国水稻产量预测

编程算法机器学习神经网络深度学习人工智能

Juan cao，Zhao zhang,Fulu Tao,Liangliang Zhang,Yuchuan Luo,Jing Zhang,Jichong Han,JunXie

2022-01-18

2.3K0

DeepMind | 利用数据驱动深度学习方法应用于天气预报的前景与危机

深度学习机器学习神经网络人工智能 javascript

使用机器学习（ML）模型进行天气预测已经成为一个流行的研究领域。这些模型的前景——无论是与更传统的数值天气预报（NWP）结合使用，还是单独使用——都是为了在大幅降低计算成本的情况下对天气进行更准确的预测。

2022-01-18

4860

基于时空深度混合模型的台风预测技术

编程算法机器学习神经网络深度学习人工智能

参考文献：Chen Rui, Wang Xiang, Zhang Weimin, et al. A hybrid CNN-LSTM model for typhoon formation forecasting[J]. GeoInformatica, 2019,23(3): 375-396.

2022-01-18

1.4K0

基于深度学习天气预报(DLWP)模型的集合预报系统来开展次季节预测

机器学习神经网络深度学习人工智能

“Traditional weather prediction tells us what is likely to happen within the next 24 hours and up to two weeks ahead, whereas climate prediction tells us what will likely happen in the coming seasons. Until recently, there was a gap between the weather and climate predictions leaving us unsure about what may happen between two weeks to two months from now. This time window between weather (up to 2 weeks) and climate (a season and longer) is known as “subseasonal.”The forecasting effort targeting this subseasonal time window and bridging the gap between the weather and climate predictions is known as subseasonal-to-seasonal (S2S) prediction.

2022-01-18

1.3K0

用机器学习方法提高中国次季节降水预报的准确性

机器学习神经网络深度学习人工智能线性回归

中国科学技术大学博士生王岑、南京信息工程大学研究生贾朝莹、百度公司尹朝晖老师、中山大学刘飞老师以及中国科学技术大学陆高鹏老师、郑建秋老师，以Hwang等人在2019年提出的机器学习模型为基础，对中国降水进行次季节预报，尝试提高中国降水次季节预报技巧。

2021-05-20

1.1K0

含纳维-斯托克斯方程（气象学）实例，微分方程 VS 机器学习

机器学习神经网络深度学习人工智能

微分方程（DE）与机器学习（ML）类数据驱动方法都足以驱动 AI 领域的发展。二者有何异同呢？本文进行了对比。

2021-01-08

1.7K0

前瞻 | 使用机器学习方法检测和估计全球降雪

机器学习神经网络深度学习人工智能学习方法

发表于Earth and Space Science的一项新研究运用机器学习方法，基于卫星被动式微波探测仪观测数据，并通过高质量的星载雷达提供的降雪数据进行训练，来获取全球降雪的发生和速率。

2020-12-18

5340

AI技术在公众气象服务中的尝试应用

机器学习神经网络深度学习人工智能卷积神经网络

AI技术的火爆无疑是近几年创新应用上的一次革命。如今AI技术在众多科技公司的推动下已经渗透到各行各业，气象行业也不例外。将AI融入到天气预报、大气探测、天气预警以及天气服务中的尝试一直未间断。AI技术的应用背后是大数据的支撑和机器学习的广泛探索。利用AI技术进行雷达图像的识别，进行短临预报；利用AI技术与数值模式结合提升预报的准确率；利用AI技术进行探测数据的质量控制和融合处理；利用AI技术进行天气预警的精准推送；利用AI技术进行大雾的识别、天气现象的识别等等，可以说AI已经在气象领域中全面开花。在复杂的大气物理、化学等机理研究难以取得突破时，融入AI技术是提升气象技术的有利补充。关于天气预报、探测等AI技术的应用上经验比较少，跟大家分享一下我参与实施的在公众气象服务中的一些尝试应用。

2020-09-25

1K0

趋势前瞻 | 年轻的气象科学家们正转向深度学习来改进地球系统模式

深度学习机器学习人工智能数据分析学习方法

去年在MeteoAI和气象学家公众号解读过《Nature(2019)-地球系统科学领域的深度学习及其理解》[1]，累计阅读量超过1.5w。时隔一年多再回头看地球科学相关的研究动态，你会发现无论是就研究领域还是实际业务之中，深度学习被越来越多的人接纳，特别是年轻的研究生和科学家，在相应的交叉研究中也逐渐地不再把深度学习看成“黑盒子”了，一方面确实有些很好的实际使用效果，另一方面也能够结合数学或者物理机制给出部分解释。那么，下面再来了解一下美国能源部关于物理学家使用深度学习改进地球系统模式的科学新闻。（后文内容均为DeepL翻译，如有不当请多多包涵，可点击文末原文阅读看英文报道。）

2020-09-04

7050

复合型极端气候：机器学习，统计方法和动力模拟

网站 es 机器学习神经网络深度学习

最近Frontiers in Earth Science期刊组织一个专刊/专题 “复合型极端气候：机器学习，统计方法和动力模拟”。主要关注洪水，干旱，热浪，极端降水，风暴潮，飓风/台风等自然灾害存在同时发生或者依次发生的现象。请见这个专题的链接[1]

2020-07-15

3830

【时空序列预测第三篇】时空序列预测模型之PredRNN（用ST-LSTM的预测学习循环神经网络）

机器学习神经网络深度学习人工智能

接下来保持住节奏，每周起码一篇paper reading，要时刻了解研究的前沿，是一个不管是工程岗位还是研究岗位AIer必备的工作，共勉！

2020-02-17

5.5K0

没有更多了

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态