Jernihin下载Jernihin源代码下载

Jernihin

网站数据

1.0.0

下载

Jernihin

单击此处查看Jernihin 。

内容表

Jernihin
内容表
关于Jernihin
- 背景
- 目标与目标
- 安装和部署
  - 项目安装到个人虚拟环境
  - 用铁路上的烧瓶部署机器学习模型
- Jernihin的工作方式 - 水质分类
- 计划与实现
- 存储库和分支
- 参考书目
  - A.数据集
  - B.资源
  - C.学术论文
  - D.参考
- 推介会
- 演示视频
- 开发人员

关于Jernihin

Jernihin是一个基于印尼网站的机器学习计划，目前正在由4个开发人员开发从机器学习和前端Web开发人员计划中的SIB3 Capstone C22-078团队开发，并通过SIB Dicoding X Kampus Merdeka Batch 3 。

背景

自然资源具有巨大的生命潜力并每年继续增加的自然资源是水。根据有关可持续发展目标（SDG）的数据，印度尼西亚2020年的水质指数为53.53，比上一年有所增加[1]。可以从化学变量（例如pH值，浊度，磷，氮，氧气等）中看到水测量值，这些变量在确定水质质量中起着重要作用。要找出水的质量，需要定期监测水的质量[2]。

协助水资源管理策略的努力之一是创建一个可以监视水含量质量的系统。基于上面的问题，我们决定使用深度学习方法构建网站应用程序，以预测几个变量的水质。预计该应用程序将在管理和监测水质的管理和监测方面提供另一种选择。

目标与目标

根据上述背景，该项目的目标和目标是：

该网站旨在帮助社区作为帮助确定和确定水质的公用事业。预计此功能将有助于更好地管理水资源。
Jernihin具有一个功能，可以帮助人们根据水中的含量来识别水质，包括粪便，氧气，pH，沉积物，温度，氮，磷和浊度。此功能应该能够帮助其用户绘制和识别水质。

安装和部署

该步骤将通过两个阶段简要解释，包括：

在项目上创建烧瓶框架
托管铁路的托管过程

项目安装到个人虚拟环境

从该项目创建虚拟环境的步骤如下：

克隆这个存储库

git clone https://github.com/aNdr3W03/Jernihin.git

安装Python虚拟环境
```
virtualenv venv
```
安装“需求.txt”中的所有要求
```
pip install -r requirements.txt
```

导入烧瓶应用程序和运行服务器

 export FLASK_APP=app.py
flask run

或者

python app.py

通过ctrl + c停止应用程序或服务器。

用铁路上的烧瓶部署机器学习模型

通过电子邮件或GitHub Acoount登录到铁路帐户
创建新项目
选择部署表格github repo
选择要部署的呼吸项目

Jernihin的工作方式 - 水质分类

以粪便，氧气，pH，沉积物，温度，氮，磷和浊度的形式从HTML形式获取用户输入。这些参数被提取为替换值，将在稍后预测。每个输入的值范围在0到100之间。
将用户输入扩展到Numpy数组以进行推理。
使用已制定的模型预测用户输入。所使用的模型是基于森林分类器集成树的学习算法。这将从已输入的所有输入中返回一系列模型预测的结果。
输出预测标签的形式是获得实际清晰的结果。然后，此整数值将根据与符号匹配的标签转换为结果字符串。这个过程的结果是一系列预测结果，例如“优秀”，“良好”，“公平”，“边缘”和“贫穷”。
最终的预测结果将返回到预测页面，以显示给用户。

计划与实现

使用SWOT分析，即优点，劣势，机遇和威胁，进行了风险管理计划和该项目工作期间可能发生的可能问题。进行了该分析是为了绘制和确定该项目开发过程中可能发生的优势，劣势，机会和威胁。

对于初始文档，已经制作了甘特图，以跟踪约定的对完成列表的开始。在ProjectLibre上制作甘特图，以获取时间表的详细信息，请参见以下甘特图链接的甘特图文档，或者在下面的图片中看到：

jernihin项目甘特图

存储库和分支

该Jernihin存储库分为两个分支：

主（主分支）
main分支用作前端显示开发和机器学习模型开发的集成分支。该计划是使用烧瓶框架来建立和集成整个网站的网站和机器学习模型。
开发人员（发展分支）
在确定初始资源的过程中使用dev分支，或者可以称为尝试在项目中使用不同的事物的环境，以便最终在找到适当的资源时，文档将从DEV转移到主要分支。

参考书目

A.数据集

Amerigeoss社区平台DataHub
WQI参数分数1994-2013数据集

B.资源

在研究该项目时，需要一些项目或项目资源。

语言
框架
图书馆
图标和图像
部署

C.学术论文

[1 ） 3，不。 1，第158-168页，2022年4月。访问：2022年10月12日。[在线]。可用：https：//conference.upnvj.ac.id/index.php/senamika/article/view/2017
[2] MHD Barang Dan Sk Saptomo，“ Analisis kalitas Air Pada Jalur Distribusi Air Bersih di Gedung Baru Fakultas Ekonomi Ekonomi Dan Manajemen Institut Pertanian Bogor，” Jurnal Teknik Teknik Teknik teknik Sipil Dan Lingkungan（J-Sil） ，第1卷。 4，不。 1，第13-24页，2019年4月。 [在线的]。 Aivailable：https：//journal.ipb.ac.id/index.php/jsil/article/article/view/23735

D.参考

[3]纽芬兰和拉布拉多政府，“饮用水质量指数”。 https://www.gov.nl.ca/ecc/waterres/quality/drinkingwater/dwqi（2022年10月12日访问）。
[4] Nutan，“在Heroku上使用烧瓶部署机器学习模型”。 https://medium.com/@nutanbhogendrasharma/deploy-machine-learning-model-with-flask-on-heroku-cd079b692b1d（2022年10月12日访问）。
[5] A. Sridhar，“如何使用烧瓶（IRIS数据集）| Python部署机器学习模型。 ” YouTube.com。 https://youtu.be/2lqrfezuimk（2022年11月23日访问）。
[6] K. Naik，“使用烧瓶部署机器学习模型。 ” youtube.com。 https://youtu.be/ubcwomf80py（2022年11月23日访问）。