datawhale——阿里天池--AI助力精准气象和海洋预测学习笔记 task1_航迹预测算法教程 阿里

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。
1 什么是ENSO现象

ENSO现象是厄尔尼诺(EN)现象和南方涛动(SO)现象二者的合称。厄尔尼诺现象是指赤道中东太平洋附近的海表面温度持续异常增暖的现象。南方涛动现象则是热带东太平洋与热带西太平洋气压场存在的气压变化相反的跷跷板现象。在厄尔尼诺期间，东南太平洋气压明显减弱，西太平洋的气压增强，厄尔尼诺现象与南方涛动现象实际是反常气候分别在海洋和大气中的表现，二者密切相关，因此合称为厄尔尼诺-南方涛动现象。
ENSO现象会在世界大部分地区引起极端天气，对全球的天气、气候以及粮食产量具有重要的影响。
2 什么是Nino3.4指数

Nino3.4指数是Nino3.4区(170°W-120°W，5°S-5°N)的平均海温距平指数，是ENSO现象监测的一个重要指标，Nino3.4指数连续5个月超过0.5℃就定义为一次厄尔尼诺事件。
Nino3.4指数是连续的数值，因此从预测目标来看，这个题目是一个时间序列的回归预测问题。
数据集

1 训练数据

比赛给出的训练数据是CMIP5/6模式的历史模拟数据和美国SODA模式重建的近100多年历史观测同化数据。每个样本中都包含四种气象及时空变量：海表温度异常(SST)、热含量异常(T300)、纬向风异常(Ua)、经向风异常(Va)。每个数据的维度为(year, month, lat, lon)。
这样的数据描述对于非相关专业人士来说实在是一头雾水，但是工欲善其事必先利其器&#