Tạo dự báo thời tiết đơn giản bằng LSTM

Dự báo thời tiết là một trong những ứng dụng phổ biến nhất của phân tích chuỗi thời gian (time series analysis). Với sự phát triển của học sâu, đặc biệt là các mạng hồi tiếp như LSTM (Long Short-Term Memory), chúng ta có thể xây dựng các mô hình dự báo thời tiết hiệu quả hơn dựa trên dữ liệu lịch sử.

Trước khi bắt đầu, nếu bạn chưa quen với xử lý dữ liệu thời gian, hãy tham khảo bài Phân tích dữ liệu thời gian thực với Python để hiểu về thao tác dữ liệu dạng time series. Ngoài ra, bài Hướng dẫn tiền xử lý dữ liệu sạch để huấn luyện mô hình tốt hơn sẽ giúp bạn đảm bảo dữ liệu đầu vào chất lượng, còn bài Phân tích cảm xúc review sản phẩm bằng học sâu sẽ cho bạn một cái nhìn về cách hoạt động của LSTM trong NLP – rất giống cách chúng ta sẽ xử lý dữ liệu thời tiết.

Dữ liệu sử dụng để thực hành

Trong bài này, chúng ta sẽ sử dụng bộ dữ liệu Daily Weather Data được cung cấp công khai trên Kaggle. Bộ dữ liệu này bao gồm thông tin thời tiết hàng ngày như nhiệt độ, độ ẩm, lượng mưa… trong nhiều năm, rất phù hợp để huấn luyện LSTM.

📥 Link tải dataset: https://www.kaggle.com/datasets/muthuj7/weather-dataset

Hãy tải file ZIP, giải nén và upload file DailyWeather.csv lên Google Colab hoặc Jupyter Notebook.

Cài đặt thư viện và chuẩn bị môi trường

Để thực hành, chúng ta cần cài đặt một số thư viện xử lý dữ liệu và học sâu.

!pip install tensorflow pandas numpy matplotlib scikit-learn

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
import tensorflow as tf

# Đọc dữ liệu
df = pd.read_csv('/content/DailyWeather.csv')
df.head()

df.info()
df.describe()

df.isnull().sum()
df = df.dropna()

temperature = df['Mean_TemperatureC'].values.reshape(-1,1)

scaler = MinMaxScaler(feature_range=(0, 1))
temperature_scaled = scaler.fit_transform(temperature)

def create_sequences(data, seq_length=30):
    X, y = [], []
    for i in range(len(data) - seq_length):
        X.append(data[i:i+seq_length])
        y.append(data[i+seq_length])
    return np.array(X), np.array(y)

X, y = create_sequences(temperature_scaled)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False)

model = tf.keras.Sequential([
    tf.keras.layers.LSTM(64, input_shape=(X_train.shape[1], 1)),
    tf.keras.layers.Dense(1)
])

model.compile(optimizer='adam', loss='mean_squared_error')
model.summary()

history = model.fit(X_train, y_train, epochs=50, validation_data=(X_test, y_test), batch_size=32)

plt.plot(history.history['loss'], label='Train Loss')
plt.plot(history.history['val_loss'], label='Validation Loss')
plt.legend()
plt.title('Loss trong quá trình huấn luyện')
plt.show()

predicted = model.predict(X_test)
predicted_rescaled = scaler.inverse_transform(predicted)
y_test_rescaled = scaler.inverse_transform(y_test.reshape(-1,1))

plt.figure(figsize=(12,6))
plt.plot(y_test_rescaled, label='Giá trị thực')
plt.plot(predicted_rescaled, label='Dự báo')
plt.legend()
plt.title('So sánh nhiệt độ thực và dự báo')
plt.show()

last_sequence = X_test[-1]
forecast = []

for _ in range(7):
    next_temp = model.predict(last_sequence.reshape(1,30,1))
    forecast.append(next_temp[0][0])
    last_sequence = np.append(last_sequence[1:], next_temp).reshape(30,1)

forecast_rescaled = scaler.inverse_transform(np.array(forecast).reshape(-1,1))
print("Dự báo 7 ngày tới:", forecast_rescaled.flatten())