README.md

metadata

title: 조위 예측 모델 v4.2
emoji: 🌊
colorFrom: blue
colorTo: green
sdk: gradio
sdk_version: 5.41.1
app_file: app.py
pinned: false
license: mit

🌊 조위 예측 모델 v4.2 (TimeXer 기반)

TimeXer 모델을 사용한 한국 연안 17개 지점의 조위 예측 시스템입니다.

📊 모델 정보

• 모델 아키텍처: TimeXer (Time Series Transformer)
• 예측 대상: 잔차 조위 (residual)
• 데이터 간격: 5분
• 입력 길이: 144개 포인트 (12시간)
• 예측 길이: 72개 포인트 (6시간)
• 특성 수: 5개 (기압, 풍향, 풍속, 기온, 잔차조위)

🏖️ 지원 관측소

코드	지역	코드	지역	코드	지역
DT_0001	인천	DT_0025	포항	DT_0066	고흥
DT_0002	안흥	DT_0037	제주	DT_0067	부산
DT_0003	대산	DT_0043	서귀포	DT_0068	목포
DT_0008	군산	DT_0050	통영	DT_0065	여수
DT_0017	완도	DT_0051	마산
DT_0018	진도	DT_0052	창원
DT_0024	울산

🚀 사용 방법

단일 미래 예측

1. 관측소 선택
2. 최근 144개 포인트(12시간)의 CSV 파일 업로드
3. 예측 실행 → 72개 포인트(6시간) 미래 잔차 조위 예측

전체 기간 롤링 평가

1. 관측소 선택
2. 평가용 전체 데이터 CSV 파일 업로드
3. 평가 실행 → 성능 메트릭 계산

📁 CSV 파일 형식

예측용 입력 파일 형식 (최소 144행 필요):

date,air_pres,wind_dir,wind_speed,air_temp,residual
2024-01-01 00:00:00,1013.2,180,3.4,15.2,120.5
2024-01-01 00:05:00,1013.1,185,3.2,15.1,118.3
2024-01-01 00:10:00,1012.9,190,3.0,15.0,116.1
...

• date: 관측 시간 (5분 간격)
• air_pres: 기압 (hPa)
• wind_dir: 풍향 (도)
• wind_speed: 풍속 (m/s)
• air_temp: 기온 (°C)
• residual: 잔차 조위 (cm) - 예측 대상

🔧 기술 스택

• 딥러닝 프레임워크: PyTorch
• 웹 인터페이스: Gradio
• 데이터 처리: Pandas, NumPy
• 모델 저장: joblib

📈 모델 아키텍처

TimeXer는 다음과 같은 특징을 가집니다:

• Transformer 기반 시계열 예측 모델
• Patch-based 입력 처리
• Multi-scale temporal modeling
• 장기 의존성 학습 능력

⚙️ 모델 설정

각 관측소별 모델 설정:

• Sequence Length: 144
• Prediction Length: 72
• Label Length: 96
• Model Dimension: 256
• Feed Forward Dimension: 512
• Attention Heads: 8
• Encoder/Decoder Layers: 1/1

🎯 성능 평가

롤링 평가를 통해 다음 메트릭을 제공합니다:

• MAE (Mean Absolute Error)
• MSE (Mean Squared Error)
• RMSE (Root Mean Square Error)

📝 라이선스

MIT License - 연구 및 교육 목적으로 자유롭게 사용 가능

🤝 기여

버그 리포트나 개선 제안은 언제든 환영합니다.

---

🔗 관련 링크

• TimeXer 논문
• 한국해양과학기술원