比赛
文章平均质量分 76
Harold_Ran
这个作者很懒,什么都没留下…
展开
-
天池时间序列竞赛——AI助力精准气象和海洋预测学习笔记其二:CNN baseline
逛论坛的时候发现对于这个题目,CNN似乎是个不错的解题思路。因为给出的数据是多维的,每条数据的维度是[year, month, lat, lon],在这四个维度下给出了SST、T300、Ua、Va四个指标的值。month的取值是36个月,lat是-55~60间隔5取值,即24个值,lon是0 ~180间隔5取值,即72个值。考虑到有四个指标,也就是说,数据的shape是[year, 36, 24, 72, 4]。目标是根据前12个月的数据预测后24个月的数据,因此取数据的前12个月作为训练集,后24个月作为原创 2021-02-25 20:31:39 · 784 阅读 · 0 评论 -
天池时间序列竞赛——AI助力精准气象和海洋预测学习笔记其一:赛题分析
序:最近参加了天池的气象和海洋预测竞赛,希望能够借此机会学习时间序列的相关模型,接下来会通过系列博客记录并梳理自己在竞赛过程中的一些心得体会。作为系列学习笔记的第一章,这篇文章旨在梳理和分享我对赛题的一些理解。1. 项目背景问题陈述这个竞赛是一个自然科学相关的时间序列预测问题,要求基于历史气候观测和模式模拟数据,准确预测厄尔尼诺-南方涛动(ENSO)现象。具体来说,我们的任务就是根据过去12个月的气象及时空数据,预测未来24个月的Nino3.4指数。对于这样一个题目,我们可以考虑以下三个问题:原创 2021-02-21 23:12:15 · 3505 阅读 · 4 评论