2021/9/26-10/20，阅读《大话设计模式》，笔记。

Boost安装配置

本文记录了在Linux系统下从源码编译支持CUDA加速的洪水求解器pypims时遇到的典型问题及解决方案。主要问题包括：底层C++报错uint16_t未定义（需升级pybind11至v2.11.1）、CMake参数传递被截断（修改为字符串拼接）、网络依赖超时（使用国内镜像源）以及导入路径冲突。文章提供了完整的终极编译指令流，帮助用户一次性解决所有编译障碍，为后续GPU加速的洪水淹没预测计算扫清环境

学习Dakota训练课程笔记。2021/8/21参数研究输入语法模型接口灵敏度分析（SA）

描述附件是一个CSV文件，其中每个数据前后存在空格，请对其进行清洗，要求如下：‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬（1）去掉每个数据前后空格，即数据之间仅用逗号(,)分割；‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬..

利用Python编程实现水文年鉴数据通用提取方法，最终形成一张汇总Excel表格和Access数据库。

问题描述现有某河道大断面测量数据，数据形式为 CAD 格式，如图所示。需将其转换为文本格式，如下图。实现方法数据提取思路由于CAD图中的起点距高程数据无法直接导出，不利于数据格式转换。考虑采用 OCR文字识别 提取出各断面数据，并存储到 Excel 表格中。方法采用 QQ截图 的文字识别功能，对图片中的数据提取，校正后存储到 Excel 表格中。数据格式转换方法由于断面数据较多，考虑使用 Pyth

利用Dakota运行官方案例，进行不确定性分析和敏感性分析。

GPflow 是一个基于TensorFlow 在 Python 中构建高斯过程模型的包。高斯过程是一种监督学习模型。

本实验通过建立基于耦合 Lorenz 63 模式的孪生实验框架，使用集合调整卡尔曼滤波器EAKF实现参数估计，测试参数估计开始的不同阶段、观测误差、同化频率、协方差膨胀等方法细节对于参数估计结果的影响。