01
气象数据基础
气象站·卫星·雷达 · 温度/气压/湿度/风速/降水 · NetCDF/GRIB/CSV
来源变量格式
02
Python气象数据处理库
xarray · pandas · netCDF4 · cfgrib 安装与基本使用
xarraycfgrib
03
数据探索与可视化
Matplotlib + Cartopy 绘制时空分布图、时间序列
Cartopy时空图
04
时间序列预测基础
ARIMA · Prophet · 深度学习方法对比
传统方法对比
05
数据预处理
缺失值处理 · 异常值检测 · 时间对齐 · 重采样
清洗对齐
06
特征工程
滑动窗口 · 滞后特征 · 统计特征 · 周期性编码
窗口编码
07
数据标准化与归一化
Z-score · Min-Max · 气象数据注意事项
归一化Z-score
08
数据集构建
监督学习转换 · 训练/验证/测试划分 · 防止数据泄露
划分泄露
09
PyTorch基础
张量操作 · 自动求导 · 构建简单线性模型
张量autograd
10
深度学习模型入门 · MLP
多层感知机用于气象回归预测
MLP回归
11
循环神经网络 RNN
RNN原理 · 处理气象时序的局限性
RNN梯度问题
12
LSTM网络
遗忘门·输入门·输出门 · 气象预测应用
LSTM门机制
13
GRU网络
GRU vs LSTM · 实战选择经验
GRU对比
14
CNN在气象中的应用
1D-CNN处理时间序列 · 提取局部模式
1D-CNN局部特征
15
CNN-LSTM混合模型
空间特征提取 + 时间依赖建模
混合时空
16
注意力机制
自注意力 · 多头注意力 · 气象时序引入
Attention多头
17
Transformer模型
时间序列Transformer · 位置编码
Transformer位置编码
18
模型训练技巧
学习率调度 · 早停法 · 梯度裁剪 · 权重初始化
调度早停
19
损失函数选择
MSE · MAE · Huber Loss · 定制损失
MSEHuber
20
模型评估指标
RMSE · MAE · R² · 相关系数 · 偏差分析
RMSER²
21
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化 (Optuna)
Optuna调参
22
多步预测策略
递归预测 · 直接预测 · Seq2Seq预测
多步Seq2Seq
23
多变量气象预测
同时预测温度、湿度、风速等多个变量
多变量联合
24
空间气象预测
利用多站点空间相关性进行预测
空间多站点
25
极端天气事件预测
台风 · 暴雨 · 高温热浪 深度学习建模
极端台风
26
模型可解释性
SHAP · LIME · 注意力权重可视化
SHAP可解释
27
模型部署
ONNX导出 · Flask API · Docker容器化
ONNXDocker
28
实战项目一
基于LSTM的单站点未来24小时温度预测
LSTM温度
29
实战项目二
基于CNN-LSTM的多站点降水预测系统
CNN-LSTM降水
30
实战项目三
基于Transformer的极端高温事件预警系统
Transformer高温预警