samudra-ai 2.3.3

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

samudra-ai

Library Python samudra-ai versi ke-2

SamudraAI 🌊

Paket Python versi 2untuk melakukan pengolahan koreksi bias model iklim global menggunakan arsitektur deep learning CNN-BiLSTM dan CONVLSTM2D

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, sederhana dan mudah digunakan.
• 🛠️ 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 khususnya data hujan.
• 🛠️ Tersedia feature seasonal: Fungsi bawaan untuk memasukkan faktor pola musiman khususnya pada data hujan.
• 💾 Model Persistent: Kemampuan untuk menyimpan model yang telah dilatih dan memuatnya kembali untuk diterapkan pada data dimasa depan.

Instalasi

Anda dapat menginstal SamudraAI langsung dari PyPI menggunakan pip:

pip install samudra-ai

Penggunaan Library

https://github.com/adityoAJA/samudra-ai/blob/cc71adc811d5b16ece2d6db74044124974eb1136/How-to-use-samudra-ai.txt

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.