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