先看题目吧，看经验帖子，看数据，模型不急。

1. 原文地址
2. 他人baseline
3. 他人EDA
4. 时空序列建模系列文章

数据挖据四步走了。

1. EDA(Exploratory Data Analysis)
2. 特征工程
3. 模型构建
4. 集成

• 读取nc格式文件方法
• 转换成 pandas 或 numpy，处理与分析容易
• 填充值需要注意

无填充值。

• 数据集透视完毕，包括数据维度、填充值分析与数据分布
• 标签集透视完毕，包括填充值分析、去除重叠数据后的可视化

有填充值，t300缺失3055032条，ua缺失13921123条，ua和va的缺失数据分布相同。

• 数据集透视完毕，包括数据维度、填充值分析与数据分布。t300缺失的数据年份为[1812, 1962]，即第13个模式缺失；ua, va缺失的数据年份为[755, 1962]，第6到第13个模式消失。共755条。
• 标签集透视完毕，包括填充值分析、去除重叠数据后的可视化。

• Conv2dLSTM 神经单元实现与适配到多层网络，训练读入的是单个元素，输入输出维度一致
• Conv3dLSTM 神经单元实现与适配到多层网络，训练读入一个序列的元素，输入输出维度一致
• 借鉴 VGG16 构建特征提取器，降低height和width的维度，提升channels的维度
• Dilated Casual CNN 网络实现，拿到特征提取器提取特征的嵌入表示
• ForecastNet 多步时序预测网络实现，用于滑窗预测与拼接
• Decoder 网络部分实现，用于重构数据，提升表示的精度
• 加权移动平均平滑数据或使用高斯损失函数，只预测趋势
• 保存模型部分实现
• 整体模型完成