https://github.com/pcanadas/pytorch-weather-prediction
Predicción de temperaturas usando una red LSTM en PyTorch. Procesamiento de datos climáticos, entrenamiento de modelo y visualización de resultados.
https://github.com/pcanadas/pytorch-weather-prediction
clima climate-data data-science deep-learning forecasting lstm machine-learning neural-networks prediccion-del-tiempo pytorch series-temporales temperature-prediction time-series weather-forecast
Last synced: about 2 months ago
JSON representation
Predicción de temperaturas usando una red LSTM en PyTorch. Procesamiento de datos climáticos, entrenamiento de modelo y visualización de resultados.
- Host: GitHub
- URL: https://github.com/pcanadas/pytorch-weather-prediction
- Owner: pcanadas
- License: mit
- Created: 2025-02-19T07:19:22.000Z (over 1 year ago)
- Default Branch: main
- Last Pushed: 2025-02-19T12:47:54.000Z (over 1 year ago)
- Last Synced: 2025-06-02T06:58:36.840Z (about 1 year ago)
- Topics: clima, climate-data, data-science, deep-learning, forecasting, lstm, machine-learning, neural-networks, prediccion-del-tiempo, pytorch, series-temporales, temperature-prediction, time-series, weather-forecast
- Language: Jupyter Notebook
- Homepage:
- Size: 378 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: readme.md
- License: LICENSE
Awesome Lists containing this project
README
# :thermometer: PyTorch Weather Prediction
## :memo: Descripción
Este proyecto utiliza una red neuronal LSTM en PyTorch para predecir temperaturas máximas y mínimas a partir de datos climáticos históricos. Se basa en datos recopilados diariamente durante el año 2024, que incluyen información sobre temperatura, precipitación, viento y humedad.
## :sparkles: Características
- Implementación de un modelo de **red neuronal LSTM** para la predicción de series temporales.
- Preprocesamiento de datos climáticos desde archivos CSV.
- Normalización de datos con **MinMaxScaler** de `sklearn`.
- Entrenamiento del modelo con PyTorch.
- Visualización de los resultados mediante gráficos.
## :pushpin: Requisitos
Para ejecutar este proyecto, es necesario tener instaladas las siguientes bibliotecas:
- Python 3.8+
- PyTorch
- Pandas
- Scikit-learn
- Matplotlib (opcional, para visualización)
Instala las dependencias con:
```bash
pip install -r requirements.txt
```
## :rocket: Uso
1. Coloca el archivo de datos en la carpeta data/.
2. Ejecuta el script principal:
```
python main.py
```
3. El modelo entrenará y generará predicciones de temperaturas máximas y mínimas.
## :bar_chart: Datos
Los datos meteorológicos provienen de registros diarios e incluyen:
- `t_max`: Temperatura máxima diaria
- `t_min`: Temperatura mínima diaria
- `precipitacion`: Nivel de precipitación (mm)
- `viento`: Velocidad del viento (km/h)
- `humedad`: Humedad relativa (%)
## :file_folder: Estructura del repositorio
```
📂 pytorch-weather-prediction
│── data/ # Carpeta para almacenar los datos CSV
│ ├── clima_limpio_2024.csv # Datos climáticos usados
│── 📄 main.ipynb # Código completo del modelo en jupyter notebook
│── 📄 main.py # Código completo del modelo
│── 📄 README.md # Documentación del proyecto
│── 📄 requirements.txt # Lista de dependencias
```
## :mag: Notas
* El modelo usa una ventana de 30 días para predecir las temperaturas.
* La normalización se aplica para mejorar el rendimiento del modelo.
## :chart_with_upwards_trend: Resultados
Tras el entrenamiento, el modelo logra aprender tendencias en la temperatura y genera predicciones razonables basadas en los datos históricos.
Ejemplo de gráfico de predicciones:
## :construction: Futuras mejoras
- Incluir más variables climáticas para mejorar la precisión.
- Optimizar los hiperparámetros del modelo.
- Implementar una API para consultar predicciones en tiempo real.
## :bust_in_silhouette: Autor
**Patricia Cañadas**
Si tienes preguntas o sugerencias, no dudes en abrir un issue en el repositorio.
## :scroll: Licencia
Este proyecto está bajo la licencia MIT.