大风起兮

介绍

这是2019年山洪项目《基于机器学习方法的大风及沙尘预报模型》的代码仓库。这是一个由 Python 编写，基于机器学习实现大风及沙尘预测预报的项目。

软件架构

软件将实现一个统一调度，自动完成训练、预测、评估的实时业务应用。

代码结构

1. data 相关数据
   1. examples 样例数据，可做测试用途（业务数据需通过 NAS 到服务器上取，查看 utils.nas_connect.py）
   2. station 根据训练要求生成的站点数据，仓库中只有文件夹，根据训练需要自行通过运行 utils.station_data_generation.py 产生
   3. station_grid_mapping 站点与其最近格点的对应关系，不同规格的 GRIB 文件其对应关系也不同，根据需要通过运行 utils.station_grid_mapping_generation_*.py 产生
2. prediction 预测部分
3. validation 评估部分
4. utils 辅助功能
5. assets 相关资料，包括站点信息、地图等
6. requirements.txt 罗列了项目构建所需的库

项目构建

1. 一个 *nix 环境
2. 安装 Python 3.6
3. 安装 ECMWF 的 eccodes
4. 安装 basemap 需要先安装 matplotlib ，考虑到兼容性，请安装 matplotlib==2.2.0
5. 通过 pip install -r requirements.txt 安装其他依赖包

项目初始化

1. 站点信息文件(/assets/station.csv)在项目中是必要因素，请运行 utils.station_info_generation.py 生成该文件。
2. 对于需要进行 EC 细网格监督训练，请运行 utils.ec_grid_data_generation.py 生成数据。生成数据耗时较长，可联系拷贝已生成好的。

项目开发调试

请使用 PyCharm 导入项目，必要时通过远程方式

TODO 徐艳琴：补充

编码要求

1. 请提供足够信息的注释，并保持更新
2. 文件夹或代码命名要求：使用字母全部使用小写，使用 _ 连接
3. 严格按照代码结构存放代码，无法定夺时请在在 QQ 群内讨论确定
4. 必要的样例数据请放置在 data/examples 下，通过在 .gitignore 文件中添加文件路径可以避免本地试验数据上传至版本库

训练

TODO 刘辉

评估

1. 项目评估根据评估对象的不同分别进行评估
2. 代码文件名模板 评估对象_要素_validate.py，如 scmoc_wind_validate.py
3. 评估结果请保存至 result/validation 下，根据评估对象、要素、图像或数据依次建立文件夹，如 scmoc/sand/plot 或 grapes/wind/csv

使用码云帮助

1. 码云官方提供的使用手册 https://gitee.com/help