توقعات درجات الحرارة في القاهرة باستخدام GRU

التنبؤ بدرجات الحرارة كل ساعة في القاهرة باستخدام نموذج GRU للتعلم العميق مُدرّب على بيانات الطقس التاريخية لثلاثة أشهر.

---

## نظرة عامة على المشروع

يتنبأ هذا المشروع بدرجات الحرارة كل ساعة للفترة **من 2 يوليو إلى 9 يوليو 2025** باستخدام:

- **بنية GRU مُركّبة** مُدرّبة على بيانات درجات الحرارة كل ساعة من 1 أبريل إلى 1 يوليو 2025.

- **نهج تنبؤ متعدد الخطوات** (تنبؤات على مدار 24 ساعة) استنادًا إلى 72 ساعة سابقة.

- تقييم واقعي بمقارنة التنبؤات بالقياسات الفعلية.

---

## الملفات المُضمنة

- `gru_forecast.ipynb` أو `gru_forecast.py`: الكود الرئيسي المُستخدم للتدريب والتنبؤ والتقييم.

- `requirements.txt`: حزم بايثون المطلوبة.

- `README.md`: وصف المشروع وهيكله.

- `images/temp_comparison_plot.png`: رسم بياني للمقارنة بين التوقعات والنتائج الفعلية.

---

## ? تفاصيل النموذج

- **نافذة الإدخال**: ٧٢ ساعة

- **أفق التنبؤ**: ٢٤ ساعة

- **البنية**:

- `GRU(١٢٨)` مع تسلسلات الإرجاع

- `Dropout(٠.٣)` لتقليل الإفراط في التجهيز

- `GRU(٦٤)`

- `Dense(٢٤)` للتنبؤ متعدد الساعات

- **المُحسِّن**: آدم

- **دالة الخسارة**: متوسط الخطأ التربيعي

- **استراتيجية التدريب**: التوقف المبكر لتجنب الإفراط في التدريب

---

## نتائج التقييم

بعد التدريب والمقارنة بدرجات الحرارة الفعلية لكل ساعة، حقق النموذج ما يلي:

- **متوسط الخطأ المطلق**: ٢.٩٧ درجة مئوية

- **RMSE**: ٣.٨٠ درجة مئوية


---

## ️ مصدر البيانات

تم تنزيل بيانات درجات الحرارة التاريخية والفعلية لكل ساعة من [Meteoblue](https://www.meteoblue.com) للقاهرة، مصر.

---

## كيفية الاستخدام

1. حمّل ملف CSV للتدريب لمدة 3 أشهر (أبريل - 1 يوليو).

2. حمّل ملف CSV لدرجة الحرارة الفعلية لكل ساعة (2-9 يوليو).

3. شغّل دفتر الملاحظات أو البرنامج النصي في Google Colab أو محليًا.

4. قارن التوقعات وحلّل الأداء.

---

## ️ المتطلبات

```txt

tensorflow

pandas

scikit-learn

matplotlib