作物模型狂奔 Apsim 脚本并行思路

2024-02-18 01:04

本文主要是介绍作物模型狂奔 Apsim 脚本并行思路,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这里没图,去B站看看

整体思路:Python -》R -》Apsimx

0、准备工作

0.0 电脑环境

我用的Win10啦,Linux、Mac可能得自己再去微调一下。

PS:一直没上win11,因为win11 开始菜单用着实在难顶。
!在这里插入图片描述](https://img-blog.csdnimg.cn/direct/7758a7ad233946e89203f5fc5c9cc7b9.png)

0.1 安装Apsim 710

我这里ApsimNG 和 Apsim Classic 都有,用的多了发现NG好用,界面简洁,操作简单。

0.2 Python IDE

我用的Pycharm,个人感觉最好使的IDE,没有之一。

Python 解释器随便装个咯,我用的 Python 3.10 版本。

对于 Python,我其实也是个小白,只会写些小脚本,哈哈哈哈哈。

0.3 R IDE

继续用Pycharm,需要上 R环境插件。
PS:用过一天RStudio,感觉还是Pycharm顺手啊。尽管Pycharm R语言插件不支持绘图,这点坐等更新。对于 R,我其实还是个小白,这点代码全现百度现写的,哈哈哈哈哈。

R 解释器也随便装个咯,我用的 R 3.1.4 版本。

1、核心依赖包

1.1 rpy2(Python)

Python 环境下调用R包的依赖包。需要配一下R的环境变量,这里要注意哦,要不然会报错。

1.2 apsimx®

R环境下调用本地apsim的驱动包。(https://femiguez.github.io/apsimx-docs/apsimx.html)

2、Python部分编码思路

2.1 设置R环境变量

os.environ[‘R_HOME’] = ‘D:\application\R-4.1.3’

2.2 引包

import os
import pandas as pd
from pathlib import Path
from datetime import datetime
import rpy2.robjects as robjects

2.3 调用R部分编码

robjects.r’source’
apsimx_runner = robjects.r[‘apsimx_runner’]

result = apsimx_runner(2023, ‘mangshi’, ‘A’, param)

2.4 单线程

直接for,遍历就完了

for row in problems_parameters.values:
multi_run_func(row)

2.5 多进程

这里用的 进程池 ProcessPoolExecutor

pool = ProcessPoolExecutor(12)
for result in pool.map(multi_run_func, problems_parameters.values):
run_results.append(result)

3、R部分编码思路

3.1 函数封装

这里比较简单,封装了一个调用apsimx包的函数,留了接收作物模型参数的入口

apsimx_runner <- function (year, site.name, site.no, param) {}

3.2 函数体

apsimx 文件复制一个临时件,后续操作在这个临时文件上进行,不破坏原文件。

file.copy(ap_file.path, tmp_file.path)

设置气象数据

edit_apsimx(tmp_file.name, src.dir = tmp_file.dir, wrt.dir = tmp_file.dir, overwrite = TRUE, node = “Weather”, value = weather_file.path)

设置模型参数

edit_apsimx_replacement(file = tmp_file.name, src.dir = tmp_file.dir, wrt.dir = tmp_file.dir, overwrite = TRUE, node.string = p_path, parm = p_name, value = value, root = root, verbose = FALSE)

模型狂奔,这里用的Apsim NG

sim_result <- apsimx(tmp_file.name, src.dir = tmp_file.dir)

删除临时文件

file.remove(unlist(lapply(list.files(pattern = paste0(tmp_file.real_name, ‘.*’), path = tmp_file.dir), function(t) paste0(tmp_file.dir, ‘/’, t))))

返回结果

return(sim_result)
apsimx 包有使用demo,这里调用的几个函数都是根据demo调整的。

3.3 apsim classic

apsimx 包里 apsim 指代 Classic,apsimx 指代 NG

需要的话,自己研究下apsimx包里的apsim函数吧

3.4 R编码替代

上述代码可以在.R文件写好,然后在Python中调用;也可以直接写在Python代码里,这也是支持的。具体看rpy2的文档。

4、结果

4.1 格式

直接把结果接到list里

结果列表
数据项具体含义可以用 ApsimNg GUI 看看

4.2 耗时

跑一次大概10多秒,尽量开多进程或者多线程去跑,省点时间

欢迎各位道友关注、留言、私聊、交流病情。

如果需要的话去B站交流吧,平常不登CSDN

挂个小广告不会太过份吧~

需要指导的话,那就得让我挣点零花咯,嘿嘿。PS:不说虚的,程序狂奔才是最重要的。

Apsim classic 710、ApsimNg(ApsimX) 模型GUI运行、数据处理、脚本并行(R、Python)。

【闲鱼】https://m.tb.cn/h.5GmTkIi?tk=UcspW9B3gEY MF7997 「我在闲鱼发布了【apsim模型指导】」

这篇关于作物模型狂奔 Apsim 脚本并行思路的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/719556

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

Linux服务器Java启动脚本

Linux服务器Java启动脚本 1、初版2、优化版本3、常用脚本仓库 本文章介绍了如何在Linux服务器上执行Java并启动jar包, 通常我们会使用nohup直接启动,但是还是需要手动停止然后再次启动, 那如何更优雅的在服务器上启动jar包呢,让我们一起探讨一下吧。 1、初版 第一个版本是常用的做法,直接使用nohup后台启动jar包, 并将日志输出到当前文件夹n