1樓：牛逼了
我是用手機的。
以自己所在城市為圓心，關注400公里左右其他城市當天天氣，結合經驗，一彙總，自己的城市未來幾天天氣預報就有了。
我是山東的，手機上關注烏蘭巴托，鄭州，上海，平壤，台北，這樣看一圈這幾個城市的當日天氣，自己家的天氣未來幾天變化就大體有數了。有時比他算的還準。畢竟季風氣候區天氣變化還是很單一的。
2樓：馬掌頭
首先，要明白兩個概念，1、天氣預報怎麼產生的，2、機器學習在天氣預報中的作用
1、目前，真正的天氣預報不是靠機器學習學出來的，而是靠物理模型推算出來，物理模型就是數值天氣預報，比如全球模式美國的GFS，歐洲的EC， 這些模式甩我朝「自主研發」的模式幾百條長安街。題外話了。 這些模式都是帶有時間的偏微分方程組，通過求解積分這些偏微分方程組得到預報結果。
當然，求解出來的預報結果和實際情況會有一定的偏差。但是總體巨集觀情況基本一致。有點像量子力學和經典物理學，巨集觀可以準確描述，微觀就無法準確觀測到。
2、機器學習僅僅能解決的問題就是在數值模式產生出預報結果後，進行偏差訂正。尋找出數值預報模式與實況觀測直接的誤差規律，從而讓預報更佳準確。但是目前沒有一種方法能統治整個偏差訂正。
每種方法都各有優缺點。
所謂的彩雲天氣基於雷達的機器學習，在專業人士看來僅僅是一種方法的實現，具體預報效果如果較真起來並不一定比傳統的方法好很多。
3樓：會長大的記憶
持續關注這個問題。剛剛問了一下飯飯，嗯，氣象界認為最終是動力預報乾掉統計預報，但是這個過程中，現在動力和統計在相互用，先統計後動力，或者先動力後統計，我在想，統計的這一塊是不是能優化一下呢？用機器學習和模式進行聯用？
4樓：
機器學習的關鍵在於減小bias和variance，減小bias非常容易，但減小variance就意味著必須對系統本身的動力學有充分的了解，並反映到模型中。
回到天氣預報的例子，我們知道天氣系統（或一切物理系統）最本質的特點就是時空平移不變性以及相互作用的局域性，而CNN完美地滿足這兩點（順便一提，一層CNN表達的就是線性微分方程的迭代解法），從而極大地減少variance，因此我預言CNN能取得和傳統數值天氣預報相似的準確性。從物理學的觀點看，我們知道動力學方程都是近似，因此必須要引入修正項，然而我們無法知道修正項的精確形式，因此修正項必須帶有未知引數。當未知引數足夠多，這本質上就成為了機器學習演算法。
另一方面，我們也知道天氣引數並不能完整描述整個系統，此時我們必須引入隱變數，此時模型就變得與RNN非常類似。
總結地說，我相信機器學習是數值天氣預報下一步的發展方向，但模型背後一定會有物理背景。
5樓：Hai Tang
pred<-function(x,k)
return(mean(abs(pred-x[(k+1):n])))}——摘自《R語言程式設計藝術》P32
乙個統計模型，可以用於參考
6樓：
能http://
7樓：
沒必要，天氣預報這種可以通過差值等方法計算出來的東西為啥要把它看做黑盒？好處是什麼？
很多人遇到乙個問題，上來就套機器學習的方法。。。
機器學習不是萬能的啊
可恥的匿了（逃
利用機器學習預判玩家動作以改善高延遲下的遊戲體驗是否可行？
X槓槓 高延遲的遊戲體驗那麼您說的一定是網遊了，網遊中的延遲影響下AI的指令同步到你的本地端會有延遲確實很影響體驗，但是要說訓練的話既然延遲這麼高每次訓練的資料傳輸會格外的費力或者說有些費力不討好。在延遲高的情況下花很多資源來傳輸訓練資料並不明智，有一點弄巧成拙的感覺吧 Tang AI 默默想了一會...
請問如何用vba進行資料匹配？
Excel手把手 Sub main Dim d Set d CreateObject scripting.dictionary Dim arr,brr arr Worksheets Sheet1 UsedRange brr Worksheets Sheet2 UsedRange Dim i As L...
如何用日語學習韓語？
哈娜醬 Abby 我是用韓語學的日語，學起來真的是得心應手。所以反過來用日語學韓語應該也差不多吧。發音學完了，題主又不煩惱口語，也就是說只剩下單詞語法了嘛買本日本人學韓語的書，跟著背起來吃透它就是了。語法相通，理解起來很容易。單詞也有大量的漢字詞，跟日語一樣，所以找到技巧也很好背的。 晨晨 強答。不...