|
課程名稱 |
機器學習在大氣熱力學的應用
Machine Learning in Atmospheric Thermodynamics |
|
開課學期 |
109-1 |
|
授課對象 |
理學院 大氣科學研究所 |
|
授課教師 |
吳健銘 |
|
課號 |
AtmSci8049 |
|
課程識別碼 |
229 D3130 |
|
班次 |
|
|
學分 |
3.0 |
|
全/半年 |
半年 |
|
必/選修 |
選修 |
|
上課時間 |
星期五7,8,9(14:20~17:20) |
|
上課地點 |
大氣系A100 |
|
備註 |
初選不開放。修課同學需先經授課老師同意，開學後找老師領取授權碼
限本系所學生(含輔系、雙修生)
總人數上限：5人 |
|
|
|
|
課程簡介影片 |
|
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
|
課程大綱
|
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
|
課程概述 |
本課程將討論如何利用機器學習了解在大氣重要物理過程中具有高度非線性特徵的對流過程。主要會使用高解析雲解析模式(Cloud-resolving model, CRM)所產生之模擬結果，利用已知的簡化概念模式如mass flux model, high-order closure model 或buoyancy sorting model 來評估這些模型對於對流的掌握程度，再利用機器學習產生新的模型，比較其中對於對流表現的差異 。課程內容以資料建模與分析為主。 |
|
課程目標 |
了解如何用機器學習來掌握大氣中高度非線性的過程，以及發展新的簡化物理模型來描述大氣對流過程。 |
|
課程要求 |
須有自行撰寫與修改程式語言基礎（Fortran 與 Python)，建議學生能先修大學部之流體力學、熱力學、動力學、計算機語言、數值分析等課程，並具備執行以下其中一種模式之能力：CESM, VVM, CWBGFS, SPCAM |
|
預期每週課後學習時數 |
|
|
Office Hours |
|
|
指定閱讀 |
|
|
參考書目 |
|
|
評量方式
(僅供參考) |
|
|