flow forecast

التعلم العميق للتنبؤ بالسلاسل الزمنية ، والتصنيف ، واكتشاف الشذوذ

الوثائق Codecov كودف العامل

ابدء

باستخدام المكتبة

1. قم بتشغيل pip install flood-forecast
2. يمكن العثور على معلومات مفصلة عن نماذج التدريب على الويكي.
3. تحقق من وثائق التقاءنا

نماذج مدعومة حاليا

1. Vanilla LSTM (LSTM): LSTM أساسي مناسب للتنبؤ بسلسلة زمنية متعددة المتغيرات والتعلم النقل.
2. المحول الكامل (SimpleTransformer في Model_dict): المحول الأصلي الكامل مع جميع كتل تشفير ودلو المشفر 8. يتطلب تمرير الهدف في الاستدلال.
3. اهتمام بسيط متعدد الرأس (Multiheadsimple): كتلة انتباه بسيطة متعددة الرأس وطبقات التضمين الخطية. مناسبة للتعلم النقل.
4. المحول مع وحدة فك ترميز خطي (CustomTransformerDecoder في Model_dict): محول مع كتل N-encoder (هذا قابل للضبط) وفك تشفير خطي. مناسبة للتنبؤ أو التصنيف أو اكتشاف الشذوذ.
5. DA-RNN: (darnn) نموذج مستدير جيدًا يستخدم انتباه LSTM +.
6. تعزيز المنطقة وكسر عنق زجاجة الذاكرة للمحول على التنبؤ بسلسلة زمنية (يسمى decodertransformer في model_dict):
7. Transformer XL: Porting Transformer XL للسلسلة الزمنية.
8. المخبر: ما وراء المحول الفعال للتسلسل الطويل للتنبؤ بالسلاسل الزمنية (مخبر)
9. ديبار
10. DSANET: نموذج من ورقة DSANET مع معلمات اختيارية إضافية.
11. النموذج الخطي البسيط (SimpleLineArmodel): في الأساس نموذج الانحدار الخطي مع بعض الطبقات الأخرى. رائع للنماذج الأولية السريعة للميزات والتفسير.
12. الفانيليا جرو مع طبقة الإخراج المحتملة الاختيارية. جيد للتنبؤ وتصنيف السلسلة الزمنية متعددة المتغيرات.
13. يعد Dlinear و Nlinear من ورقة AAAI محولات فعالة للتنبؤ بسلسلة زمنية
14. crossformer من ICLR 2023
15. محول الشذوذ
16. tsmixer
17. محول مقلوب + آليات الاهتمام المختلفة

النماذج القادمة

لدينا عدد من النماذج التي نخطط لإطلاق سراحها قريبًا. يرجى التحقق من لوحة المشروع لمزيد من المعلومات

التكامل

منصة Google Cloud

الأوزان والتحيزات

المساهمة

للحصول على تعليمات حول المساهمة ، يرجى الاطلاع على صفحة المساهمات لدينا ومجلس المشروع الخاص بنا.

بيانات تدفق النهر التاريخية

المهمة 1 تنبؤ تدفق التدفق

تركز هذه المهمة على التنبؤ بالتدفق/الطول المستقبلي للتيار (في إما CFS أو القدمين على التوالي) مع إعطاء عوامل مثل التدفق الحالي ودرجة الحرارة وهطول الأمطار. في المستقبل ، نخطط لإضافة المزيد من المتغيرات التي تساعد في التنبؤ بتدفق الدفق مثل بيانات حزمة الثلج ومؤشر رطوبة التربة المحيطة.

المهمة 2 تنبؤ شدة الفيضان

تركز المهمة الثانية على التنبؤ بشدة الفيضان بناءً على توقعات الفيضان والمعلومات السكانية والتضاريس. يتم تعريف شدة الفيضان استنادًا إلى عدة عوامل بما في ذلك عدد المناورات ، وتلف الممتلكات ، وتلف المحاصيل.

إذا كنت تستخدم البيانات أو الرمز من هذا المستودع ، فيرجى استخدام الاقتباس أدناه. بالإضافة إلى ذلك ، يرجى الاستشهاد بالمؤلفين الأصليين للنماذج.

 @misc{godfried2020flowdb,
      title={FlowDB a large scale precipitation, river, and flash flood dataset},
      author={Isaac Godfried and Kriti Mahajan and Maggie Wang and Kevin Li and Pranjalya Tiwari},
      year={2020},
      eprint={2012.11154},
      archivePrefix={arXiv},
      primaryClass={cs.AI}
}