-
Notifications
You must be signed in to change notification settings - Fork 0
/
MAIN.py
424 lines (333 loc) · 16.6 KB
/
MAIN.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
"""
Algunas partes de este código fueron copidas y posteriormente modificadas de:
https://www.tensorflow.org/tutorials/structured_data/time_series
Tal y como figura en https://developers.google.com/terms/site-policies?hl=es-419,
este código se encuentra libre de uso según la licencia Apache 2.0
"""
import json
import numpy
import pandas
import seaborn as sns
import tensorflow as tf
import matplotlib.pyplot as plt
class Window():
"""
Clase para definir una ventana. Divide la información en ventanas
y sirve para visualizar los resultados una vez ha sido entrenada la red neuronal
"""
def __init__(self, input_width, shift, label_width, train_df, validation_df, test_df, label_column):
#Parámetros de la longitud de la ventana y columnas
self. input_width = input_width
self.shift = shift
self.label_width = label_width
self.total_width = self.input_width + shift
self.label_column = label_column
column_indices = {name: i for i, name in enumerate(train_df.columns)}
self.column_index = column_indices[self.label_column]
#Convertir los datasets en sliding windows
self.train_df = self.make_dataset(train_df)
self.validation_df = self.make_dataset(validation_df)
self.test_df = self.make_dataset(test_df)
def split_window(self, features):
#Divide la informacion en inputs y labels (label solo con la columna que interesa)
inputs = features[:, slice(0, self.input_width), :]
labels = features[:, slice(self.total_width - self.label_width, None), :]
labels = tf.stack([labels[:, :, self.column_index]], axis=-1)
inputs.set_shape([None, self.input_width, None])
labels.set_shape([None, self.label_width, None])
return inputs, labels
def make_dataset(self, data):
#Divide la información en sliding windows con batch size 32 y slide 1
data = numpy.array(data, dtype=numpy.float32)
ds = tf.keras.utils.timeseries_dataset_from_array(data=data, targets=None, sequence_length=self.total_width, sequence_stride=1, shuffle=True, batch_size=32,)
ds = ds.map(self.split_window)
return ds
def plot(self, std, mean, models):
#Visualizar las predicciones una vez han sido entrenadas las redes neuronales
inputs, labels = next(iter(self.train_df))
denormalize = lambda x: (x * std[self.label_column])+mean[self.label_column]
inputs_deno = tf.map_fn(denormalize, inputs)
labels_deno = tf.map_fn(denormalize, labels)
plt.figure(figsize=(12, 8))
input_indices = numpy.arange(self.total_width)[slice(0, self.input_width)]
plt.plot(input_indices, inputs_deno[0, :, self.column_index],
label="Inputs", marker=".", zorder=-10, color="#00DDC2")
label_indices = numpy.arange(self.total_width)[slice(self.total_width - self.label_width, None)]
plt.scatter(label_indices, labels_deno[0, :,],
edgecolors="k", label="Labels", color="#00DDC2", s=32)
markers = ["X", "^", "p"]
colors = ["#FB9752", "#008374", "#2DCD5B"]
for model in models:
predictions = models[model](inputs)
predictions = predictions[0, :, ] if model !="LSTM" else predictions[0, :, self.column_index]
predictions = tf.map_fn(denormalize, predictions)
plt.scatter(label_indices, predictions,
marker=markers.pop(0), edgecolors="k", label=model, s=40, color=colors.pop(0))
plt.legend()
plt.xlabel("Hora")
plt.title(self.label_column)
plt.show()
def getData(filename):
"""
Esta función realiza las siguientes operaciones:
1. Leer la información del json y convertirla en un array de pandas
2. Contabilizar el número de días sin lluvia
3. Convertir la fecha en funciones trigonométricas
4. Convertir el viento en un vector
5. Dividir la información en 70% entrenamiento, 20% validación y 10% test
6. Normalizar los valores
7. Mostrar la gráfica de distribución de los valores
Devuelve: sets de entrenamiento, validación y test,
array de la media de cada uno de los parámetros y de la desviación típica
"""
with open(filename, "r") as openfile:
data_json = json.load(openfile)
data_array = []
horas_sin_lluvia = -1
for day in data_json:
for hour in data_json[day]:
if hour =="MEDIA":
continue
temp = [f"{day} {hour}"]
for e in data_json[day][hour]:
if e=="O3":
continue
temp.append(float(data_json[day][hour][e])) if data_json[day][hour][e]!="" else temp.append(0)
horas_sin_lluvia=0 if temp[5]>0.0 else horas_sin_lluvia+1
temp.append(horas_sin_lluvia/24)
data_array.append(temp)
df = pandas.DataFrame(data_array, columns=["Time", "PM10", "PM25", "NO2", "SO2",
"Precipitación", "vViento", "dViento", "Humedad", "Temperatura", "Dias sin lluvia"])
date = pandas.to_datetime(df.pop("Time"), format="%d/%m/%Y %H:%M")
timestamp_s = date.map(pandas.Timestamp.timestamp)
day = 24*60*60
year = (365.2425)*day
df["Día seno"] = numpy.sin(timestamp_s * (2 * numpy.pi / day))
df["Día coseno"] = numpy.cos(timestamp_s * (2 * numpy.pi / day))
df["Año seno"] = numpy.sin(timestamp_s * (2 * numpy.pi / year))
df["Año coseno"] = numpy.cos(timestamp_s * (2 * numpy.pi / year))
wv = df.pop("vViento")
wd_rad = df.pop("dViento")*numpy.pi / 180
df["Wx"] = wv*numpy.cos(wd_rad)
df["Wy"] = wv*numpy.sin(wd_rad)
train_df = df[0:int(len(df)*0.7)]
validation_df = df[int(len(df)*0.7):int(len(df)*0.9)]
test_df = df[int(len(df)*0.9):]
mean = train_df.mean()
std = train_df.std()
train_df = (train_df - mean) / std
validation_df = (validation_df - mean) / std
test_df = (test_df - mean) / std
df_std = (df - mean) / std
#Eliminar outliers para que se vea mejor
for x in range(len(df_std["Precipitación"])):
if df_std["Precipitación"][x]>25:
df_std["Precipitación"][x] = 25
df_std = df_std.melt(var_name="Parámetro", value_name="Datos normalizados")
plt.figure(figsize=(12, 6))
ax = sns.violinplot(x="Parámetro", y="Datos normalizados", data=df_std, bw=0.55)
_ = ax.set_xticklabels(df.keys(), rotation=90)
plt.show()
return train_df, validation_df, test_df, mean, std
class Performance(tf.keras.callbacks.Callback):
"""
Callback que se ejecuta al terminar cada epoch para añadir a la historia de entrenamiento
el error en el test
"""
def __init__(self, test):
self.test = test
def on_epoch_end(self, epoch, logs=None):
logs["test_error"] = self.model.evaluate(self.test, verbose=0)[1]
def make_model(model, window, patience, epochs):
"""
Dado un modelo y una ventana, compila y entrena el modelo
Recibe también la paciencia y número de epochs
Devuelve la historia de entrenamiento
"""
early_stopping = tf.keras.callbacks.EarlyStopping(monitor="val_loss", patience=patience, mode="min")
model.compile(loss=tf.keras.losses.MeanSquaredError(), #Error cuadrático medio como función de pérdida
optimizer=tf.keras.optimizers.Adam(), #Optimizador Adam
metrics=[tf.keras.metrics.MeanAbsoluteError()]) #Guardar el error absoluto medio (para las gráficas)
history = model.fit(window.train_df, epochs=epochs,
validation_data=window.validation_df,
callbacks=[early_stopping, Performance(window.test_df)])
return history
def epochsExperiment(models, pollutant):
"""
Experimento utilizado para encontrar el número óptimo de epochs y paciencia.
Muestra una gráfica de la evolución del error con cada uno de los modelos
utilizando paciencia 2, 10 y 15. También muestra un gráfico de barras con el error final.
Recibe: diccionario con los modelos y string del contaminante
"""
patiences = [2, 10, 15]
error = {}
for x in range(len(patiences)):
error[patiences[x]] = {}
train, validation, test, mean, std = getData("data_norte.json")
window = Window(input_width=24, shift=24, label_width=24,
train_df=train, validation_df=validation, test_df=test,
label_column=pollutant)
colors = ["#008374", "#00DDC2", "#7CFFEE"]
for model in models:
history = make_model(models[model], window, patiences[x], 500)
error_plot_validation = history.history["val_mean_absolute_error"]
error_plot_test = history.history["test_error"]
colr = colors.pop(0)
plt.plot(list(range(1, len(error_plot_validation)+1)), error_plot_validation, label=f"{model} validación", color=colr)
plt.plot(list(range(1, len(error_plot_test)+1)), error_plot_test, label=f"{model} test", color=colr, linestyle="dotted")
error[patiences[x]][model] = {
"validation": models[model].evaluate(window.validation_df)[1],
"test": models[model].evaluate(window.test_df, verbose=0)[1]
}
plt.legend()
plt.xlabel("Epochs")
plt.ylabel("Error absoluto medio")
plt.title(f"Evolución del error en {pollutant} con paciencia {patiences[x]}")
plt.figure()
plt.show()
showError(error, "Paciencia", f"Error absoluto medio (validación)", "validation", "ERROR ABSOLUTO MEDIO EN VALIDACIÓN FRENTE A PACIENCIA")
showError(error, "Paciencia", "Error absoluto medio (test)", "test", "ERROR ABSOLUTO MEDIO EN TEST FRENTE A PACIENCIA")
def showError(error, labelx, labely, dataset, title):
"""
Muestra una gráfica con el error absoluto medio medido de todos los modelos
Flexible para un número de contaminantes indeterminado
Recibe:
-Diccionario error con la siguiente configuración:
{
contaminante 1: {
modelo 1: {validation: error en set de validacion (float), test: error en set test (float)}
modelo 2: {validation: float, test: float}
modelo 3: {validation: float, test: float}
},
contaminante 2: {...},
...
}
- labelx, labely y title: strnigs con el título y nombre de los ejes
- Dataset: "validation" o "test" para el error en el set de validación o test
"""
barWidth = 0.25
fig = plt.subplots(figsize =(12, 8))
bar1 = numpy.arange(len(error))
bar2 = [x + barWidth for x in bar1]
bar3 = [x + barWidth for x in bar2]
positions = [bar1, bar2, bar3]
data_plot = [[] for x in range(3)]
models = []
for pollutant in error:
x=0
for model in error[pollutant]:
models.append(model)
data_plot[x].append(error[pollutant][model][dataset])
x+=1
colors = ["#008374", "#00DDC2", "#7CFFEE"]
for x in range(3):
plt.bar(positions[x], data_plot[x], width=barWidth, edgecolor="grey",
label=models[x], color=colors.pop(0))
plt.xlabel(labelx, fontweight ="bold", fontsize = 15)
plt.ylabel(labely, fontweight ="bold", fontsize = 12)
plt.xticks([r + barWidth for r in range(len(error))], error.keys())
plt.title(title)
plt.legend()
plt.show()
class FeedBack(tf.keras.Model):
"""
Define el modelo de RNN para predicciones de 24 horas.
Cada prediccion se introduce como input al modelo
"""
def __init__(self, units, out_steps):
super().__init__()
self.out_steps = out_steps
self.units = units
self.lstm_cell = tf.keras.layers.LSTMCell(units)
self.lstm_rnn = tf.keras.layers.RNN(self.lstm_cell, return_state=True)
self.dense = tf.keras.layers.Dense(14)
def warmup(self, inputs):
x, *state = self.lstm_rnn(inputs)
prediction = self.dense(x)
return prediction, state
def call(self, inputs, training=None):
predictions = []
prediction, state = self.warmup(inputs)
predictions.append(prediction)
for n in range(1, self.out_steps):
x = prediction
x, state = self.lstm_cell(x, states=state, training=training)
prediction = self.dense(x)
predictions.append(prediction)
predictions = tf.stack(predictions)
predictions = tf.transpose(predictions, [1, 0, 2])
return predictions
def visualizeWeights(linear, train_df):
"""
Visualizar los pesos de cada variable en la red neuronal lineal
Recibe: modelo lineal entrenado y dataset de entrenamiento (sin dividir en ventanas)
"""
plt.bar(x = range(len(train_df.columns)),
height=linear.layers[0].kernel[:,0].numpy())
axis = plt.gca()
axis.set_xticks(range(len(train_df.columns)))
_ = axis.set_xticklabels(train_df.columns, rotation=90)
plt.show()
if __name__ == "__main__":
getData("data_norte.json")
pollutants = ["PM10", "PM25", "NO2", "SO2"]
shift = 24 #1 para predicciones a una hora y 24 para predicciones a 24 horas
error = {}
for pollutant in pollutants:
train, validation, test, mean, std = getData("data_norte.json")
window = Window(input_width=24, shift=shift, label_width=24,
train_df=train, validation_df=validation, test_df=test,
label_column=pollutant)
#Definición de la arquitectura de los modelos para la siguiente hora
one_hour_models = {
"Lineal": tf.keras.Sequential([tf.keras.layers.Dense(units=1)]),
"Denso":
tf.keras.Sequential([
tf.keras.layers.Dense(units=128, activation="relu"),
tf.keras.layers.Dense(units=128, activation="relu"),
tf.keras.layers.Dense(units=128, activation="relu"),
tf.keras.layers.Dense(units=1)
]) if pollutant=="PM10" or pollutant=="PM25" else tf.keras.Sequential([
tf.keras.layers.Dense(units=64, activation="relu"),
tf.keras.layers.Dense(units=64, activation="relu"),
tf.keras.layers.Dense(units=1)
]),
"Recurrente": tf.keras.models.Sequential([
tf.keras.layers.LSTM(32, return_sequences=True),
tf.keras.layers.Dense(units=1)
])
}
#Definición de la arquitectura de los modelos para 24 horas
multi_models = {
"Lineal": tf.keras.Sequential([
tf.keras.layers.Lambda(lambda x: x[:, -1:, :]),
tf.keras.layers.Dense(24,kernel_initializer=tf.initializers.zeros()),
tf.keras.layers.Reshape([24, 1])
]),
"Denso": tf.keras.Sequential([
tf.keras.layers.Lambda(lambda x: x[:, -1:, :]),
tf.keras.layers.Dense(1024, activation="relu"),
tf.keras.layers.Dense(1024, activation="relu"),
tf.keras.layers.Dense(24,kernel_initializer=tf.initializers.zeros()),
tf.keras.layers.Reshape([24, 1])
]) if pollutant=="PM10" or pollutant=="PM25" else tf.keras.Sequential([
tf.keras.layers.Lambda(lambda x: x[:, -1:, :]),
tf.keras.layers.Dense(1024, activation="relu"),
tf.keras.layers.Dense(24,kernel_initializer=tf.initializers.zeros()),
tf.keras.layers.Reshape([24, 1])
]),
"LSTM": FeedBack(32, 24)
}
models = one_hour_models if shift==1 else multi_models
error[pollutant] = {}
for model in models:
history = make_model(models[model], window, 10, 30 if pollutant=="PM10" or pollutant=="PM25" else 10)
error[pollutant][model] = {
"validation": models[model].evaluate(window.validation_df)[1],
"test": models[model].evaluate(window.test_df, verbose=0)[1]
}
window.plot(std, mean, models)
if shift==1:
visualizeWeights(models["Lineal"], train)
print(error)
showError(error,"Contaminante" ,"Error absoluto medio en el test", "test", "Error absoluto medio de cada modelo en cada contaminante")