用tensorflow做个天气预测

原创面包板社区 2023-04-13 20:36

【TI资料】专为高压系统设计的新型MCU 【应用手册】TI 全新MCU及C29内核的能源设施应用方案

一、前言

最近人工智能、深度学习又火了，我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架，三年后感觉各种框架都成熟了，现成的教程也丰富了，所以我继续边学边写。原教程链接：

https://www.bilibili.com/video/BV1CW4y1r7Q7?p=1&vd_source=e8c67158ee12f84a27ae1bb40bb2775d

所以准备出个系列的教程，给不耐烦看视频或者只是想浅了解一下的同学。我选的框架tensorflow，据说GPT也是用的这个，应该是比较大众化的了。

二、前序准备

1.开发环境

(1)Python3.8

(2)Anaconda3

(3)Tensorflow

(4)Numpy

(5)Pandas

(6)Sklearn

先依次安装好上面的软件和包，其中python3.8和Anaconda3是直接下载安装，如果官方链接比较慢，可以搜下三方的源安装。其中Anaconda3不是必须的，用这个工具是因为确实挺香的。

剩下的3-6都是pip安装的包，注意使用Anaconda3的话就在Anaconda Prompt里使用pip命令，如果是其他集成环境或者原生的python环境，直接就在cmd里使用pip安装。

pip安装时可能会遇到下载特别慢的情况，建议使用国内源，方法参考下面链接：

https://mp.weixin.qq.com/s?__biz=MzUzOTY2OTcyMw==&mid=2247487143&idx=2&sn=b2cc99fcb09a774be78235c10d06d1c0&chksm=fac5ab13cdb222058f9b73d5c3600ad74194473ce9413cca5e069354f4e555b19f1293c39453&scene=27

实际安装过程可能会比较曲折，需要大家慢慢研究了，一般来说多搜索下都能解决问题。比如安装Sklearn不是pip install sklearn(虽然也能安装上另外一个不相干的包)，实际应该用：

pip install scikit-learn

类似的坑多的很，一时半会也列不完，反正也是花了一个晚上才算是把开发环境给搞定。

2.数据准备

这次我们是要做天气预测，那自然是要弄到历史的天气数据。有三个路径，一是购买打包好的大数据，看了下便宜的都要好几千。二是网上爬数据，参考下面的链接：

http://lishi.tianqi.com/shanghai/201101.html

这个网站从2011年1月到最新的天气数据都有，可以自己爬下来，推荐使用“八爪鱼”，还是挺好用。

第三个路径就是做伸手党，正好我手上有上海的天气数据，在文章末尾链接提供。

我手上的这份数据分为“训练集”和“验证集”两个文件，直观来看训练集就是用于模型训练，验证集就是使用训练好的模型来预测试试，数据的格式一样，在使用时需要裁剪一下。

各字段的意思看名字就知道了，其中avg指的是当日平均温度，avg_befor1指的是昨天的平均温度，avg_befor2前天的，依次类推，一共回溯7天的。这个模型也就是用前7天的平均气温来预测当天的平均温度。

三、构建模型

1.读入待训练的数据

(完整代码跟前面天气数据放一起了)

从上图，我们可以看到读入了4429行数据，每行有13列，这样的数据不能直接使用，需要裁剪一下。

2.数据裁剪

这里我们做了3个操作。

1)是将前7行有null的数据删除

2)是将avg这一列单独存起来了，用于后面的模型训练。

3)将high、low、avg三列从数据集中删除，因为我们是使用“历史数据”来预测当日的平均温度，这三列都属于当日数据所以要删除。

3.数据预处理

这里做了2个操作。

1)将数据集转化为array的形式，这样TensorFlow才能处理(自动去掉了title的内容)

2)将数据做归一化，主要是为了方便后面的模型训练，简单来说就是将15、20、30这些数字转化为-1到1之间的数字，可以参考下面这个链接。

https://blog.csdn.net/qq_51392112/article/details/129091683

4.构建模型

这里我们构建了一个16>32>1的神经网络模型，其中16、32、1指的是每一层的神经元数量，第一层与第二层的神经元数量无所谓可以随便写，第三层的1与预测的结果相对应，也就是我们使用前7天的平均温度，预测的是今天这“一个”平均温度。如果你预测的是当天最高温和最低温，就需要将第三层的1修改为2了。这里因为我们只预测1个结果(当天的平均温度)，所以输出只需要1个。

其中model.compile是对神经网络进行配置，主要参数含义如下：