codait/max-weather-forecaster

IBM Developer Model Asset Exchange：天气预测器

镜像概述

该镜像包含用于实例化和部署天气预测模型的代码，模型基于LSTM循环神经网络架构，由CODAIT团队使用美国国家海洋和大气管理局（NOAA）的JFK机场本地气候数据训练而成。镜像将模型部署为Docker容器中的Web服务，支持三种不同的预测模型。

核心功能

1. 单变量模型：预测下一小时的干球温度（HOURLYDRYBULBTEMPF）。
2. 多变量模型：预测下一小时的所有15个天气变量（如湿度、风速、气压等）。
3. 多步模型：预测未来48小时的干球温度。

使用场景

• 气象数据分析与短期天气预测辅助。
• 基于历史气象数据的时间序列预测研究。
• 集成到气象相关应用中提供预测功能。

配置说明

资源要求

• 最低推荐资源：2GB内存、2个CPU。
• CPU需支持AVX指令集（x86-64/AMD64架构）。

部署选项

1. 从Quay运行

直接拉取预构建镜像并启动服务：

bash
docker run -it -p 5000:5000 quay.io/codait/max-weather-forecaster

2. 本地构建与运行

• 克隆仓库：

  bash
  git clone https://github.com/IBM/MAX-Weather-Forecaster.git
  cd MAX-Weather-Forecaster
  

• 构建镜像：

  bash
  docker build -t max-weather-forecaster .
  

• 启动服务：

  bash
  docker run -it -p 5000:5000 max-weather-forecaster
  

API使用示例

服务启动后，可通过http://localhost:5000访问Swagger文档页面，或使用curl测试：

• 测试单变量模型：

  bash
  curl -F "file=@assets/lstm_weather_test_data/univariate_model_test_data.txt" -XPOST http://localhost:5000/model/predict
  

• 测试多变量模型：

  bash
  curl -F "file=@assets/lstm_weather_test_data/multivariate_model_test_data.txt" -XPOST http://localhost:5000/model/predict?model=multivariate
  

• 测试多步模型：

  bash
  curl -F "file=@assets/lstm_weather_test_data/multistep_model_test_data.txt" -XPOST http://localhost:5000/model/predict?model=multistep
  

注意：每个模型需使用对应的测试数据文件。