神经网络预测降雨初步成果

这是一个按照历史数据预测的回归模型
六盘山地区的降雨数据,features为气压、温度、每小时降水量、风向、风速
1. train: 2008-2017年
2. val: 2018-2019年
3. test: 2020年
预测效果
1. 按照原来的数据，以小时为间隔的统计量进行训练
2. 按照每天进行重采样，以一天为间隔，24小时雨量进行累加，压强等特征求平均值，使用重采样后的数据进行训练,效果好了很多。
3. features加上月和日，使用7个特征进行训练，相比2效果几乎没有提高。计算雨水的增加量，平均增加了49.00211579427676%
4. 提高训练轮数，10 -> 50 查看loss值和val—loss发现在20轮左右就不再变化，训练20轮此时降雨增加量为66.01834181494173%,此时训练的history图为： loss和val-loss基本上是在逐步减小的,val-loss维持在较高水平

本文章使用limfx的vscode插件快速发布