xg1990
用WRF模型进行气象模拟入门(3)——WRF的运行
在前两篇文章已经介绍了WRF的编译安装，以及WPS的配置。本文将开始介绍如何运行WRF
克里金(Kriging)插值的原理与公式推导
学过空间插值的人都知道克里金插值，但是它的变种繁多、公式复杂，还有个半方差函数让人不知所云
本文讲简单介绍基本克里金插值的原理，及其推理过程，全文分为九个部分：
0.引言－从反距离插值说起
1.克里金插值的定义
2.假设条件
3.无偏约束条件
4.优化目标／代价函数
5.代价函数的最优解
6.半方差函数
7.普通克里金与简单克里金
8.小结
用WRF模型进行气象模拟入门(2)——WPS的配置与使用
安装好WRF之后，还不能直接使用。需要先使用WPS进行数据预处理，准备好必须的输入数据与模拟参数，才能顺利运行模拟程序。
WRF提供了多种气象模拟模式，本文只介绍进行真实模拟（real）所必须的相关操作。
用WRF模型进行气象模拟入门(1)——简介以及代码编译
WRF全称Weather Research and Forecasting Model, 是一个天气研究与预报模型.可以用来进行精细尺度的天气模拟与预报。本文将从一个初学者的角度从零开始介绍WRF的使用方法。打算写一个系列，这篇先写WRF程序的编译安装。
注意：不同版本的WRF之间会有细微差异，本文使用的 WRF 版本是 3.6.1
加权线性回归(Weighted Linear Regression)的公式及其推理
1.加权线性回归与普通线性回归
对于一组有N个观测的数据
$$(x_i,y_i), i = 1,2,3,4,…, N$$
可以使用一元线性回归模型
$$y = a x + b + \epsilon$$
来拟合 \(x\) 与 \(y\) 之间的关系。其中的参数 \(a,b\) 通常使用最小二乘拟合，即寻找使代价函数
$$J(a,b) = \frac{1}{N}\sum^{N}_{i=1}{(y_i-ax_i-b)^2}$$
最小的\(a,b\)，使得拟合曲线尽可能地接近所有的观测点。
但在实际应用中，观测点之间可能是有差异的。比如，有的观测点误差大，有的观测点误差小，这就需要让我们的拟合直线\(y=ax+b\)，不必考虑误差大的观测点，而要尽可能逼近误差小的观测点。这时就可以使用一个权重系数\(w_i\)来表示第\(i\)个观测点的权重（例如，对于误差小的观测点，\(w_i\)的值更大） 而考虑了这个权重系数\(w_i\)的线性回归，就是加权线性回归。
北京PM2.5历史数据
注意本文内容已经失效 现公开北京2013年4月至今… 阅读更多 »北京PM2.5历史数据
解决WIN7下Sublime运行python代码出现的UnicodeEncodeError错误
在win7下安装sublime后，编写python脚本并执行，没有任何反应，ctrl+`打开控制台之后才发现执行程序时出现了错误：
Running python.exe -u E:\文档\test.py Traceback (most recent call last): File ".\sublime_plugin.py", line 337, in run_ return self.run(**args) File ".\exec.py", line 154, in run File ".\exec.py", line 48, in __init__ File ".\subprocess.py", line 633, in __init__ File ".\subprocess.py", line 842, in _execute_child UnicodeEncodeError: 'ascii' codec can't encode characters in position 17-19: ordinal not in range(128)
绘制学术论文引用网络图
前段时间在写头疼的文献阅读课报告，
发现文献综述这活实在不简单，若要只是一一列举各个文章的中心思想，
逐个翻译下摘要就行了，但综述就得理清各个文章之间的关系。
此时我急切希望能有一个软件，把我需要的领域的文章的关系画出来，
然后一目了然，哪些文章在自己引自己自娱自乐地灌水，
哪些是大牛的抛砖引玉，带领大家一起灌水。
这就需要这个图不仅像普通的图那样有结点(文章)和边(引用关系)，
还要能够按时间排序
找了半天网上没找到好用的，好吧，我又造了个轮子：一个生成文献引用网络图的在线网页，我称之为
文献引用网络图
网址是这个：