پنجره سازی داده ها

مدل های موجود در این مجموعه آموزشی بر اساس پنجره ای از نمونه های متوالی داده ها، مجموعه ای از پیش بینی ها را ایجاد می کنند.

ویژگی های اصلی پنجره های ورودی عبارتند از:

HydroConnect یک ابزار عمومی و پیشرفته برای حفظ طیف گسترده ای از پردازش هیدرولوژیکی است. برای مثال می توان از داده های مدل از اندازه گیری ها استفاده کرد و یا پس از پردازش نتایج شبیه سازی را حفظ کرد. HydroConnect به طور کامل بر اساس بسته Vistrails نرم افزار منبع باز (www.vistrails.org) است و از دو ماژول سفارشی برای هماهنگ سازی داده ها استفاده می کند (که FileSync و FileSyncManager نامیده می شود). این ماژول ها برای مدل ملی و مرکز داده هلندی (NMDC)، همکاری چندین وزارتخانه هلندی جهت به اشتراک گذاشتن دانش، توسعه داده شدند. HydroConnect به همین نحو به منظور مدیریت گردش کار است، جایی که کابر محاسباتی می تواند

آنچنان که در ذیل می خوانید، سایت انتشار دهنده کد PEST برای بهبود کارایی و شخصی سازی کد واسنجی خود راهنمای کاربرد و توسعه مدل را برای برنامه نویسان ارائه می دهد. توضیحات زیر می تواند برای علاقه مندان به شبیه سازی های محیطی و بخصوص آب زیرزمینی کارا باشد.

چه ویژگی جدیدی در PEST نسخه 14 است؟ چند رفع اشکال و برخی از بهبود کارایی های جزئی. با این حال، تغییر بزرگ سازگاری با PEST_HP - در نسخه جدید PEST است که طراحی آن برای استفاده در محیط های بسیار موازی مانند حالت ابری بهینه سازی شده است. شما می توانید PEST_HP را از وب سایت PEST.cloud دریافت کنید.

به یک دوره آموزشی فراگیر و عمیق خوش آمدید.

به مقدمه ای بر بخش رگرسیون یادگیری ماشین با مجموعه آموزشی Python خوش آمدید. با این حال، شما Scikit-Learn را از قبل نصب کرده اید. اگر نه، آن را دریافت کنید، همراه با پانداها و matplotlib!

اگر توزیع علمی پیمایشی قبل از کامپایل پایتون مانند ActivePython را داشته باشید، باید قبلا numpy، scipy، scikit-learn، matplotlib و pandas را نصب کرده باشید. اگر نه، دستورهای زیر را انجام دهید: