天气数据集-Jena Climate dataset

天气数据集-Jena Climate dataset

1.数据集基本信息

  • Dataset Name:  mpi_saale_2021b.csv  

  • Size: 26495 rows;  1 year (2021), 10 min  

  • 气象学、农业、环境科学

  • 开源机构:  Max Planck Institute for Biogeochemistry

2.数据特征

2.1 特征简介

  • 数据共有31个特征,包括一些地理测量数据,如气压、温度、湿度、降雨量、风向等等

  • 我们是希望通过各种测量数据预测气温,这里很多特征是类似的,比如不同高度下的温度就是彼此相似

2.2 特征可视化

因为这个数据随时间变化,我们直接画出数据各个特征随时间变化的趋势图, 这里用index作为x 轴:

2.3 数据特征细节

1. ‘Date Time', 日期和时间2. ‘p (mbar)',  大气压力(毫bar) 3. ’T (degC)',  温度(摄氏度)4. ‘rh (%)', relative_humidity 相对湿度 (%)5. ‘sh (g/kg)', 每千克空气中的水汽含量6. ‘Tpot (K)', 相当位温(以开尔文为单位)> 指在将大气气块压缩或扩张到参考压力下(通常为1000毫巴),使其在对流过程中不发生任何相变(即凝结或蒸发)的温度> 开尔文(Kelvin)是温度的国际单位,通常用于科学和工程领域。开尔文温度标度是绝对温度标度,以绝对零度(零度的-273.15摄氏度)作为零点。开尔文温度通常用符号 "K" 表示,不加摄氏度符号。因此,绝对零度为0K,而水的冰点是273.15K,水的沸点是373.15K。> 空气在湿度和压力保持恒定时的温度7. ‘Tdew (degC)', 露点温度(以摄氏度为单位)> 指空气在恒定压力下,通过降低温度使其饱和,产生露珠或霜的温度。简单来说,就是当空气中的水汽凝结成液态水或冰时的温度。露点温度通常用来描述空气中的湿度。当露点温度与空气温度相近时,空气的相对湿度较高;当它们之间的差距较大时,相对湿度较低。> 在气象学中,露点温度是一个重要的指标,用于衡量空气中的水汽含量以及空气的湿度。较高的露点温度意味着空气中含有较多的水汽,较低的露点温度则表示空气较为干燥。露点温度也是天气预报中的一个重要参数,因为它与空气中的水汽含量直接相关,对天气的变化和降水的可能性具有一定的预测意义。8. ‘VPmax (mbar)', 最大水汽压力(以毫巴为单位)> 在达到饱和状态时,液体表面的蒸汽压力达到最大值,此时液体中的分子以与气体中相同的速率从液体表面蒸发,并与气体中的分子再次凝结,这样就建立了动态平衡。9. ’VPact (mbar)', 实际水汽压力(以毫巴为单位)> 液体表面上的蒸汽与液体达到动态平衡时的压力。液体分子会不断从液体表面蒸发成气体,同时也会有气体分子再凝结成液体,当这两个过程达到平衡时,液体表面上就会有一定的蒸汽压。蒸汽压受温度和液体性质的影响,温度越高,蒸汽压越高;液体的性质(比如分子间力)也会影响蒸汽压的大小。10. ‘VPdef (mbar)', 水汽压力缺失(以毫巴为单位)> 际水汽压力与空气中饱和水汽压力之间的差值11. ‘H2OC (mmol/mol)', 水汽含量(以毫摩尔/毫摩尔为单位)12. ‘rho (g/m**3)', 空气密度(以克/立方米为单位)13. ‘wv (m/s)',  风速 (米/秒)> 强风可能伴随着暴风雨或暴风14. ‘wd (deg)',  风向(度)15. ‘rain (mm)',  降雨量(毫米)> 降水的数量,可用于判断是否下雨16. ‘SWDR (W/m**2)', 短波辐射(瓦特/平方米)> 短波辐射(Shortwave Downward Radiation)是指太阳短波辐射能量在大气层顶进入地面或水面的辐射能量。它是太阳能辐射的一部分,主要包括可见光和紫外光,通常以瓦特每平方米(W/m²)为单位表示。短波辐射是地球能量平衡中的一个重要组成部分,它决定了地球表面的能量收入。> 在气象学和气候学中,短波辐射是一个重要的气象参数,用于分析太阳辐射对地球能量平衡和气候变化的影响。它受到大气中云量、气溶胶、水汽含量等因素的影响,因此对于研究大气辐射传输和气候模拟具有重要意义。17. ‘SDUR (s)', 短波辐射持续时间(以秒为单位)18. ’TRAD (degC)', 地表温度(以摄氏度为单位)19. ‘Rn (W/m**2)',  净辐射(以瓦特/平方米为单位)20. ‘ST002 (degC)', 地表温度在 2 厘米深度的测量值(以摄氏度为单位)21. ’ST004 (degC)', 地表温度在 4 厘米深度的测量值(以摄氏度为单位)22. ‘ST008 (degC)', 地表温度在 8 厘米深度的测量值(以摄氏度为单位)23. ‘ST016 (degC)',  地表温度在 16 厘米深度的测量值(以摄氏度为单位)24. ’ST032 (degC)', 地表温度在 32 厘米深度的测量值(以摄氏度为单位)25. ’ST064 (degC)', 地表温度在 64 厘米深度的测量值(以摄氏度为单位)26. ‘ST128 (degC)', 地表温度在 128 厘米深度的测量值(以摄氏度为单位)27. ‘SM008 (%)', 土壤湿度在 8 厘米深度的测量值(以百分比表示)28. ‘SM016 (%)', 土壤湿度在 16 厘米深度的测量值(以百分比表示)29. ‘SM032 (%)', 土壤湿度在 32 厘米深度的测量值(以百分比表示)30. ’SM064 (%)', 土壤湿度在 64 厘米深度的测量值(以百分比表示)31. ‘SM128 (%)'   土壤湿度在 128 厘米深度的测量值(以百分比表示)

3.数据预处理

3.1 特征选择

- 由于顺序数据index和data性质类似,这里删掉 “Data Time”

- 由于ST002(degC)-ST064(degC)是不同地表高度的温度,和我们要预测的数据T(degC),在性质上类似,因此全部删掉

3.2 输入输出

我们计划用RNN模型来预测温度,大概是知道前n-1时刻的特征数据(包括温度),预测第n时刻的温度,因此:

我们要对shape为(26495,31)的数据进行处理。

  • 先删掉不需要的特征13个,剩下18个,删后的shape为(26495,18)

  • 我们用过8个连续时间点预测第9个时间点,即模型输入为 x = (_, 8, 18), 输出为 y = (_, 1)

> 这里的shape留了个空位给batch_size,用于模型批量化处理数据

  • 我们假设输出的参考真实值为标签y‘,即数据集中第三列特征

参考链接

  • LSTM 原版: Weather forecast using LSTM networks
  • 天气数据集:   Max-Planck-Institut fuer Biogeochemie - Wetterdaten

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/21031.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LabVIEW与欧陆温控表通讯的实现与应用:厂商软件与自主开发的优缺点

本文探讨了LabVIEW与欧陆温控表通讯的具体实现方法,并对比了使用厂商提供的软件与自行开发LabVIEW程序的优缺点。通过综合分析,帮助用户在实际应用中选择最适合的方案,实现高效、灵活的温控系统。 LabVIEW与欧陆温控表通讯的实现与应用&#…

Linux项目编程必备武器!

本文目录 一、更换源服务器二、下载man开发手册(一般都自带,没有的话使用下面方法下载) 一、更换源服务器 我们使用apt-get等下载命令下载的软件都是从源服务器上获取的,有些软件包在某个服务器上存在,而另一个服务器不存在。所以我们可以添加…

力扣 20. 有效的括号

给定一个只包括 (,),{,},[,] 的字符串 s ,判断字符串是否有效。 有效字符串需满足: 左括号必须用相同类型的右括号闭合。 左括号必须以正确的顺序闭合。 每个右括号都有一个对应的相同类型的…

Typescript高级: 深入理解in与in keyof

概述 in 和 keyof 是两个非常重要的操作符,它们允许开发者对对象的键(key)进行更精细化的操作和约束in 关键词 in关键词则在TypeScript的类型上下文中有特定的用途,它用于映射类型和类型查询当与keyof一起使用时,in可…

派生类中调用基类的__init__()方法

自学python如何成为大佬(目录):https://blog.csdn.net/weixin_67859959/article/details/139049996?spm1001.2014.3001.5501 在派生类中定义__init__()方法时,不会自动调用基类的__init__()方法。例如,定义一个Fruit类,在__init__()方法中创…

【安卓基础】-- 消息机制 Handler

目录 消息机制 Handler面试问题 消息机制 Handler 对handler机制的基本作用、用法、时序流程进行介绍,针对handler机制中的内存泄漏问题讲解:一篇读懂Android Handler机制 Android-Handler机制详解 全面解析 | Android之Handler机制 需要掌握的&#x…

通过非欧几何体改变 AI 嵌入

目录 一、说明 二、LLM嵌入的形势 三、了解一些背景信息 3.1 什么是嵌入? 3.2 为什么嵌入在 NLP 中很重要? 3.3 复数Complex 几何的角色 3.4 C主动学习 3.5 角度嵌入 (AE):解锁稳健排序 3.6 RotatE:将关系…

浅谈序列化

序列化的基本概念 序列化(Serialization)是将对象的状态转换为字节流的过程,而反序列化(Deserialization)则是将字节流恢复为对象的过程。这一过程允许对象能够被保存到文件、传输通过网络、保存到数据库或其他数据存…

如何高效地向Redis 6插入亿级别的数据

如何高效地向Redis插入亿级别的数据 背景不可用的方案可用方案:利用管道插入其他命令:参考: 背景 上一条记录;80G的存储;10几个文件,如何快速导入是一个大问题,也是一个很棘手的问题;如下将给出…

day-37 最大正方形

思路 动态规划,这题主要得弄明白状态转换方程,dp[i][j]表示以(i,j)为右下角的最大正方形 解题方法 1.首先将第一行和第一列初始化,当对应位置的matrix为’0’时,dp数组对应位置也为零,否则为1 …

【工具】探索 DOU:每用户数据使用量

缘分让我们相遇乱世以外 命运却要我们危难中相爱 也许未来遥远在光年之外 我愿守候未知里为你等待 我没想到为了你我能疯狂到 山崩海啸没有你根本不想逃 我的大脑为了你已经疯狂到 脉搏心跳没有你根本不重要 🎵 邓紫棋《光年之外》 什么是 DOU…

重学java 55. 集合 Set接口

我救自己万万次,铮铮劲草,绝不动摇 —— 24.6.2 一、Set集合介绍 Set和Map密切相关的 Map的遍历需要先变成单列集合,只能变成set集合 二、HashSet集合的介绍和使用 1.概述 HashSet是Set接口的实现类 2.特点 a、元素唯一 b、元素无序 c、无索引…

前端面试题日常练-day48 【面试题】

题目 希望这些选择题能够帮助您进行前端面试的准备,答案在文末 1. 在Bootstrap中,以下哪个类用于创建一个具有响应式的导航栏? a) .navbar-responsive b) .responsive-nav c) .navbar-collapse d) .nav-responsive 2. 哪个Bootstrap类用于…

开源VS闭源:大模型之争,究竟谁更胜一筹?

随着人工智能技术的快速发展,大模型作为其中的核心组件,已经引起了业界的广泛关注。在大模型的研发过程中,开源与闭源成为了两个备受争议的话题。究竟开源与闭源谁更好?本文将从多个角度进行深入分析,为大家揭示真相。…

Windows API 编程

Windows API 函数大全 (推荐):https://blog.csdn.net/xiao_yi_xiao/article/details/121604742Windows API 在线参考手册:http://www.office-cn.net/t/api/index.html?web.htmWindows 开发文档 (官方):https://learn.microsoft.com/zh-cn/wi…

如何把图片保存成16位png格式?

在进行图像处理的过程中,见过8位和24位的图片,然而还没见过16位的,其实也有,比如对于灰度图,就是相当于利用65535个灰度级进行灰度存储。而8位就是256个位置存储。相当于就是0-255. 今天尝试了巨久,用pyth…

重载运算符C++---学习笔记

一、笔记 1. 重载运算符基础知识 重载运算符进行的运算和普通数的加减运算不同之处在于重载运算符的操作数为一个一个自定义的对象,所以相应的要对普通的运算符如-*%/的调用方法进行重写,重载的本质还是函数调用 2. 重载运算符的语法 重载运算符的语…

Kubernetes-使用集群CA证书给用户颁发客户端证书访问Api-Server

一、官网地址 证书和证书签名请求 | Kubernetes 二、Demo 一、创建测试文件夹 cd ~ mkdir add_k8s_user_demo cd add_k8s_user_demo 二、创建符合X509标准的证书 openssl genrsa -out myuser.key 2048 openssl req -new -key myuser.key -out myuser.csr -subj "/CNmy…

自动微分技术在 AI for science 中的应用

本文简记我在学习自动微分相关技术时遇到的知识点。 反向传播和自动微分 以 NN 为代表的深度学习技术展现出了强大的参数拟合能力,人们通过堆叠固定的 layer 就能轻松设计出满足要求的参数拟合器。 例如,大部分图神经网络均基于消息传递的架构。在推理…

Jitsi meet 退出房间后,用户还在房间内

前言 Jitsi Meet 如果客户端非正常退出会议,会产生用户还在房间内,实际用户已经退出的情况,需要一段时间内,才会在UI离开房间,虽然影响不大,但是也容易导致体验不好。 保活 Jitsi Meet 会和前端做一个保…