داده‌کاوی (به انگلیسی: Data Mining)، به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ گفته می‌شود. داده‌کاوی، پایگاه‌ها و مجموعه حجیم داده‌ها را در پی کشف و استخراج، مورد تحلیل قرار می‌دهد. شبکه های عصبی سیستمها و روشهای محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت پیشبینی پاسخهای خروجی از سامانه های پیچیده. ایده اصلی این گونه شبکه ها تا حدودی الهام گرفته از سیستم عصبی زیستی برای پردازش داده ها و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. داده های مورد استفاده در این پروژه از سری داده های هواشناسی(میزان بارندگی) میباشد که شامل نه فایل است و از دو طریق سازمان هواشناسی و دانلود از سایت جمع آوری و در دسترس قرار گرفته اند . داده های ما شامل ستون label که متغیر هدف ما( یعنی داده های مشاهداتی میزان بارندگی هستند)، تاریخ، طول و عرض جغرافیایی و دوازده ستون که شامل داده هایی که از مدل های دینامیکی استخراج میشوند میشود . داده ها جهت استفاده و برازش مدل طی چند مرحله آماده سازی شده و سپس چند مدل که مناسب داده های سری زمانی هستند از جمله simple NN، stacked Lstm، vanilla Lstmو چند مدل دیگر برازش داده شده و در ارزیابی بهترین مدل مناسب برای نه فایل داده bidirectional Lstm میباشد که کمترین خطا براساس روش های مختلف ارزیابی خطا دارد.

کلمات کلیدی