深度学习时间序列预测项目案例数据集介绍
一、数据集介绍
-
🌈 本专栏使用的数据集为
风速预测的时间序列数据，该数据集包含一个气象站内嵌入的5个天气变量传感器阵列的6574个每日平均样本。该设备位于油田21M处的一个非常空旷的区域。 -
🌈 数据记录时间为
1961-01-01 - 1978-12-31，提供了Ground Truth日平均降水量、最高和最低温度以及草地最低温度。 -
🌈 在这个数据集中，每天记录
8个不同的天气统计量（比如气温、气压、湿度、风速等），时间间隔为1天，也就是每天的数据为1个样本，每个样本的特征维度为8。 -
🌈 注意：如果没有特殊任务需求，专栏中的每个项目都使用这个数据集方便学习，建议初学者使用本文的数据集，方便项目调试，如果理解之后可以换成自己的数据集，例如股票类、电力负荷类这种时序数据集。
数据集样式如下：
WIND IND.1 RAIN IND.2 T.MAX IND.3 T.MIN T.MIN.G
DATE
1961-01-01 13.67 0 0.2 0.0 9.5 0.0 3.7 -1.0
1961-01-02 11.50 0 5.1 0.0 7.2 0.0 4.2 1.1
1961-01-03 11.25 0 0.4 0.0 5.5 0.0 0.5 -0.5
1961-01-04 8.63 0 0.2 0.0 5.6 0.0 0.4 -3.2
1961-01-05 11.92 0 10.4 0.0 7.2 1.0 -1.5 -7.5
... ... ... ... ... ... ... ... ...
1978-12-27 14.46 0 16.8 0.0 9.8 0.0 4.0 0.0
1978-12-28 14.33 0 16.0 0.0 9.1 0.0 8.5 8.0
1978-12-29 19.17 0 14.7 0.0 5.0 0.0 3.5 3.2
1978-12-30 18.08 0 4.9 0.0 2.9 0.0 0.3 -0.5
1978-12-31 19.25 0 0.5 0.0 1.2 1.0 -1.5 -3.0
6574 rows × 8 columns
二、特征介绍
对于本项目专栏，如果没有特殊说明，我们将 WIND 作为我们的预测目标，也就是基于数据去预测每一天的平均风速。
对于项目中我们使用的特征主要为后8个，第一个特征 DATE 是时间刻度，在数据处理及建模时我们是不使用的。
注意：🚨🚨🚨本数据集由于存在空值，为了方便，仅仅采用将带有空值的行删除的处理方式，用户可以根据自己的能力进行处理，可以采用人工经验填补或者是采用算法填补等等。
| 特征 | 特征含义 |
|---|---|
| DATE | 时间刻度 |
| WIND | 平均风速（节） |
| IND.1 | 第一个指标值 |
| RAIN | 降水量（mm） |
| IND.2 | 第二个指标值 |
| T.MAX | 每日最高温度（°C） |
| IND.3 | 第三个指标值 |
| T.MIN | 每日最低温度（°C） |
| T.MIN.G | 09utc草最低温度（°C） |
三、数据集来源
高精度、可靠的风速预报是气象学家面临的挑战。由对流风暴引起的强风，造成相当大的破坏(大规模森林破坏、停电、建筑物/房屋损坏等)。雷暴、龙卷风以及大冰雹、强风等对流事件是有可能扰乱日常生活的自然灾害，特别是在有利于对流启动的复杂地形上。即使是普通的对流事件也会产生强风，造成致命和昂贵的损失。因此，风速预测是一项重要的工作。
本数据集来源于🔥 Kaggle 🔥上的风速预测竞赛，如果有需要的朋友可以到该竞赛网站下载 https://www.kaggle.com/datasets/fedesoriano/wind-speed-prediction-dataset，由于有些用户的网络可能无法访问该网站，可以给我邮箱，私发给你。
该数据集源于以下文章，如有侵权，后台联系删除。
fedesoriano. (April 2022). Wind Speed Prediction Dataset. Retrieved [Date Retrieved] from https://www.kaggle.com/datasets/fedesoriano/wind-speed-prediction-dataset