هذا المشروع تم إنجازه بشكل جماعي من قبل فريق مكوّن من 3 أعضاء، ويهدف إلى بناء نماذج تعلم عميق للتنبؤ بدرجات الحرارة اعتمادًا على بيانات الطقس التاريخية. يركّز المشروع على مقارنة أداء نموذجين من أشهر الشبكات العصبية التتابعية:
LSTM — Long Short-Term Memory
GRU — Gated Recurrent Unit
وذلك لمعرفة أي النموذجين يقدم نتائج أكثر دقة وكفاءة في معالجة البيانات الزمنية.
أهداف المشروع :
جمع ومعالجة بيانات الطقس التاريخية وتجهيزها للنمذجة
بناء نموذج LSTM للتنبؤ بدرجات الحرارة المستقبلية
بناء نموذج GRU ومقارنة أدائه مع النموذج الأول
تقييم النماذج باستخدام مقاييس دقة متعددة مثل:
RMSE
MAE
MSE
الأدوات والتقنيات المستخدمة:
Python
Google Colab
TensorFlow / Keras
Pandas, NumPy
Matplotlib, Seaborn
نتائج المشروع وأهميته:
يساعد المشروع في تحسين فهم التغيرات المناخية والتنبؤ بالأحوال الجوية بدقة أكبر، كما يمهّد الطريق لتطوير نماذج تشمل مؤشرات طقس أخرى مثل الأمطار والرياح والرطوبة مستقبلاً.
