文件名称：Weather-Predictions-Using-Deep-Learning
文件大小：3.68MB
文件格式：ZIP
更新时间：2024-04-14 20:29:23
JupyterNotebook
天气预测-深度学习 该作业的目的是为天气预报创建时间序列预报模型。 所使用的数据集来自马克斯·普朗克生物地球化学研究所2009年至2016年的天气时间序列数据。原始数据集的时间步长为10分钟，但为了完成本作业的目的而对其进行了修改，以使其具有时间步长1小时。 生成的模型将输出大气压力，气温，相对湿度和风速（风速矢量的大小）的预测值。 输入要素将是前k个时间步长的天气属性。 这些功能将至少使用大气压力，气温，相对湿度和风速。
【文件预览】：
Weather-Predictions-Using-Deep-Learning-main
----Weather_Predictions_Using_Deep_Learning.ipynb(2.08MB)
----Images()
--------Sample Training Curves.png(13KB)
--------centered_data.png(35KB)
--------Overall_Performance.png(4KB)
--------Preprocessing Comparison.png(10KB)
--------windcomponent.png(11KB)
--------freq_temp.png(11KB)
--------freq_rh.png(12KB)
--------Model_Preview.jpg(27KB)
--------freq_wind.png(12KB)
--------freq_pres.png(11KB)
--------Example_Predictions.png(146KB)
--------Performance_For_Each_Feature.png(8KB)
--------Learning Rate Scheduling.png(7KB)
--------windspeed.png(12KB)
--------Loss_Propagation.png(46KB)
----README.md(766B)
----Data()
--------weather_train.csv(5.33MB)
--------weather_test.csv(1.34MB)