samudra-ai 1.7.4

Paket Python untuk pengolahan koreksi bias model iklim global menggunakan deep learning CNN-BiLSTM dan CONVLSTM2D.

samudra-ai

Paket Python untuk melakukan pengolahan koreksi bias model iklim global menggunakan arsitektur deep learning CNN-BiLSTM dan CONVLSTM2D

SamudraAI 🌊

Paket Python untuk koreksi bias model iklim menggunakan arsitektur deep learning CNN-BiLSTM.

SamudraAI memudahkan peneliti dan praktisi di bidang ilmu iklim untuk menerapkan metode koreksi bias yang canggih pada data GCM (General Circulation Model) menggunakan data observasi sebagai referensi.

Fitur Utama

• 🧠 Arsitektur CNN-BiLSTM: Menggabungkan kemampuan ekstraksi fitur spasial dari CNN dilanjutkan dengan pemahaman sekuens temporal dari LSTM.
• 🧠 Arsitektur CONVLSTM2D: Kemampuan ekstraksi fitur spasial dan temporal dari CNN dan LSTM yang jalan secara simultan.
• 📂 Antarmuka Sederhana: API yang bersih dan mudah digunakan, terinspirasi oleh scikit-learn.
• 🛠️ Pra-pemrosesan Terintegrasi: Fungsi bawaan untuk memuat, memotong, dan menormalisasi data iklim dalam format NetCDF.
• 🛠️ Tersedia transformasi log/expm: Fungsi bawaan untuk memuat, memotong, dan menormalisasi data iklim dalam format NetCDF.
• 💾 Model Persistent: Kemampuan untuk menyimpan model yang telah dilatih dan memuatnya kembali untuk inferensi di kemudian hari.

Instalasi

Anda dapat menginstal SamudraAI langsung dari PyPI menggunakan pip:

pip install samudra-ai

Best Practice

• ✅ Disarankan menggunakan TensorFlow GPU untuk performa optimal
• ✅ Disarankan memiliki memory / RAM yang cukup untuk pengolahan data dengan resolusi tinggi dan luasan domain yang besar
• ✅ Jalankan pelatihan secara penuh di lingkungan lokal
• ⚠️ Hindari mencampur save/load model .keras antar environment yang berbeda
• ⚠️ Menggunakan Docker tetap bisa berjalan, namun proses save and load (penggunaan no.5) tidak bisa diproses karena perbedaan env
• 💡 Format .nc hasil koreksi bisa langsung digunakan untuk plotting dan analisis

Lisensi

Proyek ini dilisensikan di bawah MIT License. Lihat file LICENSE untuk detailnya.