扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
宇宙、量子和人类心灵
-
>
考研数学专题练1200题
-
>
希格斯:“上帝粒子”的发明与发现
-
>
神农架叠层石:10多亿年前远古海洋微生物建造的大堡礁
-
>
二十四史天文志校注(上中下)
-
>
声音简史
-
>
浪漫地理学:追寻崇高景观
智能气候预测技术及系统研发 版权信息
- ISBN：9787502970833
- 条形码：9787502970833 ; 978-7-5029-7083-3
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
智能气候预测技术及系统研发 内容简介
本书简明扼要地介绍了这一学科的基础知识, 尝试将人工智能与气候预测相结合, 系统性的构建智能气候预测技术体系, 即以大数据应用为前提, 在通过机器学习和常规方法进行客观定量预测的基础上智能评估, 继而动态推荐预测结果。并以此技术体系为架构, 详细介绍了本书作者自主开发的智能气候预测系统的业务流程、技术特点、数据库设计以及系统每个功能模块的设计思路和使用说明。本书特色鲜明, 内容易读易学。
智能气候预测技术及系统研发 目录
序言
前言
第1章 智能气候预测概念及说明
1.1 现状及需求
1.2 人工智能的定义
1.3 人工智能在气象上的应用
1.4 如何做智能气候预测
1.4.1 气候大数据
1.4.2 常规方法
1.4.3 机器学习算法
1.4.4 评估推荐
第2章 智能气候预测系统设计
2.1 系统业务流程
2.2 系统总体功能结构
2.3 系统配置与管理
2.4 系统数据结构
2.5 系统主要功能
2.6 系统主要技术特点
2.7 系统通用说明
2.8 系统界面说明
第3章 智能气候预测数据库
3.1 设计策略
3.2 主要数据对象清单
3.3 主要数据表结构说明(节选)
3.3.1 台站
3.3.2 地面气象资料
3.3.3 环流指数
3.3.4 日再分析资料
3.3.5 月再分析资料
3.3.6 模式预测产品
3.3.7 地面气象要素统计表
3.3.8 趋势预测
3.3.9 趋势得分
3.3.10 模式与对象相关信息
3.4 主要函数、存储过程(节选)
3.4.1 地面气象要素统计
3.4.2 环流指数统计
3.4.3 月再分析资料统计
3.4.4 持续日数统计
3.4.5 格点相似度统计
3.4.6 MJO的降水影响统计
3.4.7 指数与预测对象相关统计
3.4.8 旱涝转折
3.4.9 指数预测趋势
3.4.10 多场融合相似
3.5 数据预处理
3.5.1 数据处理
3.5.2 数据统计
3.5.3 数据可视化
3.5.4 客观化预测
3.6 数据图形编辑
第4章 智能气候预测系统主体
4.1 气候态
4.2 趋势背景
4.3 对比分析
4.4 台站数据相似合成
4.5 气候记忆
4.6 EOF
4.7 奇异值分解(Singular Value Decomposition，SVD)
4.8 日月相
4.9 MCI(气象干旱综合指数)
4.10 指数可视化
4.1 l指数预测指数
4.12 指数预测趋势
4.13 多因子协同
4.14 过程因子
4.15 相似过程
4.16 极端影响
4.17 格点资料相似合成(月)
4.18 格点资料相似合成(日)
4.19 场预测指数
4.20 场预测趋势
4.21 场相似
4.22 污染潜势
4.23 智能延伸期
4.24 模式检验
4.25 MJO可视化
4.26 MJO过程相似
4.27 MJO强活动
4.28 MJO概率相似
4.29 MJO降水分析
4.30 MJO环流合成
4.31 机器学习
4.32 智能推荐
第5章 智能气候预测系统的绘图及检验
5.1 实用画图工具
5.1.1 重现期
5.1.2 批量绘图
5.1.3 选择绘图
5.1.4 绘制预测图
5.1.5 逐步回归
5.1.6 K—Means聚类
5.2 模式链接
5.3 其他设置
5.3.1 评分可视化
5.3.2 区域设定
5.4 预测试验
5.5 预测检验
5.5.1 *高分检验
5.5.2 智能推荐检验
参考文献
展开全部
书友推荐
- >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥17.9¥45.8 - >
巴金－再思录
巴金－再思录
¥17.9¥46.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.9¥10.0 - >
山海经
山海经
¥19.1¥68.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0 - >
随园食单
随园食单
¥15.4¥48.0 - >
史学评论
史学评论
¥13.9¥42.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥26.4¥48.0
