توسعه مدل‌های پیش‌بینی برای تحلیل سری‌زمانی سطح آب

یک مجموعه داده مرجع (Target) و دو مجموعه داده پارامتر (Feature) در دسترس است که شامل اطلاعات سطح آب در سه ایستگاه است. هدف این است که در گام نخست، همبستگی آماری ساده بین ایستگاه اصلی و دو ایستگاه دیگر بررسی شود. در گام بعدی، باید کدی توسعه یابد که با استفاده از آن عملیات پیش‌بینی انجام شود؛ به طوری که در هر مرحله، اطلاعات مربوط به ایستگاه‌ها به عنوان پارامترهای ورودی به مدل اضافه شوند. داده‌های مورد استفاده شامل یک سال ثبت‌شده با رزولوشن زمانی 15 دقیقه است که در آن 10 ماه اول برای آموزش و 2 ماه پایانی برای ارزیابی (تست) در نظر گرفته شده است. روش‌های پیش‌بینی مورد استفاده شامل «جنگل تصادفی» (Random Forest) و «حافظه کوتاه‌مدت بلند» (LSTM) است. در نهایت، سه سناریوی خروجی متمایز خواهیم داشت: پیش‌بینی بدون کمک ایستگاه‌های مجاور، پیش‌بینی با کمک ایستگاه مجاور اول، و پیش‌بینی با کمک ایستگاه مجاور دوم. ضمناً کدها و پیش‌بینی‌های مربوط به سناریوی بدون کمک ایستگاه‌های مجاور قبلاً انجام شده است.»