CnosDB 是一款基于分布式架构的高性能时序数据库。TensorFlow 则是目前在预测领域中非常受欢迎的深度学习框架之一。在这篇文章中，您将学习如何利用时间序列数据进行预测，特别是结合 CnosDB 和 TensorFlow 来进行预测。由于时间序列数据的自相关性，许多数据科学算法无法用于处理此类数据。因此，在使用时间序列数据进行机器学习时需要使用特定的方法，与其他领域的方法略有不同。
01
从三体运动到太阳黑子变化预测
1. 前言
太阳黑子是太阳光球层上发生的太阳活动现象，通常成群出现。预测太阳黑子变化是空间气象研究中最活跃的领域之一。
太阳黑子观测持续时间很长。长时间的数据积累有利于挖掘太阳黑子变化的规律。长期观测显示,太阳黑子数及面积变化呈现出明显的周期 性，且周期呈现不规则性,大致范围在 9 ~ 13 a , 平均周期约为 11 a,太阳黑子数及面积变化的峰值不恒定。
最新数据显示,近些年来太阳黑子数和面积有明显的下降趋势。
鉴于太阳黑子活动强烈程度对地球有着深刻的影响，因此探测太阳黑子活动就显得尤为重要。基于物理学模型(如动力模型)和统计学模型(如自回归滑动平均)已被广泛应用于探测太阳黑子活动。为了更高效地捕捉太阳黑子时间序列中存在的非线性关系,机器学习方法被引入。
值得一提的是,机器学习中的神经网络更擅长挖掘数据中的非线性关系。
因此，本文将介绍如何使用时序数据库 CnosDB 存储太阳黑子变化数据，并进一步使用 TensorFlow 实现 1DConv+LSTM 网络来预测太阳黑子数量变化。
2. 太阳黑子变化观测数据集简介
本文使用的太阳黑子数据集是由 SILSO 网站发布 2.0 版本（WDC-SILSO, Royal Observatory of Belgium, Brussels, http://sidc.be/silso/datafiles）。
我们主要分析和探索：1749 至 2023 年，月均太阳黑子数（monthly mean sunspot number，MSSN）变化情况。
02
数据导入
将 MSSN 数据 csv 格式文件 SN_m_tot_V2.0.csv （https://www.sidc.be/silso/infosnmtot） 下载到本地。
以下是官方提供的 CSV 文件描述：
Filename: SN_m_tot_V2.0.csvFormat: Comma Separated values (adapted for import in spreadsheets)The separator is the semicolon ';'.
Contents:Column 1-2: Gregorian calendar date- Year- MonthColumn 3: Date in fraction of year.Column 4: Monthly mean total sunspot number.Column 5: Monthly mean standard deviation of the input sunspot numbers.Column 6: Number of observations used to compute the monthly mean total sunspot number.Column 7: Definitive/provisional marker. '1' indicates that the value is definitive. '0' indicates that the value is still provisional.
复制代码
我们使用 pandas 进行文件加载和预览：
import pandas as pd
df = pd.read_csv("SN_m_tot_V2.0.csv", sep=";", header=None)df.columns = ["year", "month", "date_fraction", "mssn", "standard_deviation", "observations", "marker"]
# convert year and month to stringsdf["year"] = df["year"].astype(str)df["month"] = df["month"].astype(str)
# concatenate year and monthdf["date"] = df["year"] + "-" + df["month"]
df.head()
复制代码
import matplotlib.pyplot as plt
df["Date"] = pd.to_datetime(df["date"], format="%Y-%m")plt.plot(df["Date"], df["mssn"])plt.xlabel("Date")plt.ylabel("MSSN")plt.title("Sunspot Activity Over Time")plt.show()
复制代码
1. 使用时序数据库 CnosDB 存储 MSSN 数据
CnosDB（An Open Source Distributed Time Series Database with high performance, high compression ratio and high usability.）
Official Website:http://www.cnosdb.com
Github Repo:https://github.com/cnosdb/cnosdb
（注：本文假设你已具备 CnosDB 安装部署和基本使用能力，相关文档详见 https://docs.cnosdb.com/）
在命令行中使用 Docker 启动 CnosDB 数据库服务，并进入容器使用 CnosDB CLI 工具直接访问 CnosDB：
(base) root@ecs-django-dev:~# docker run --restart=always --name cnosdb -d --env cpu=2 --env memory=4 -p 31007:31007 cnosdb/cnosdb:v2.0.2.1-beta
(base) root@ecs-django-dev:~# docker exec -it cnosdb sh sh# cnosdb-cliCnosDB CLI v2.0.0Input arguments: Args { host: "0.0.0.0", port: 31007, user: "cnosdb", password: None, database: "public", target_partitions: None, data_path: None, file: [], rc: None, format: Table, quiet: false }
复制代码
为了简化分析，我们只需存储数据集中观测时间和太阳黑子数。因此，我们将年（Col 0）和月（Col 1）拼接作为观测时间（date, 字符串类型），月均太阳黑子数（Col 3）可以不作处理直接存储。
我们可以在 CnosDB CLI 中使用 SQL 创建一张名为 sunspot 数据表，以用于存储 MSSN 数据集。
public ❯ CREATE TABLE sunspot ( date STRING, mssn DOUBLE,);Query took 0.002 seconds.
public ❯ SHOW TABLES;+---------+| Table |+---------+| sunspot |+---------+Query took 0.001 seconds.
public ❯ SELECT * FROM sunspot;+------+------+------+| time | date | mssn |+------+------+------++------+------+------+Query took 0.002 seconds.
复制代码
2. 使用 CnosDB Python Connector 连接和读写 CnosDB 数据库
Github Repo: https://github.com/cnosdb/cnosdb-client-python
# 安装 Python Connectorpip install -U cnos-connector
复制代码
from cnosdb_connector import connect
conn = connect(url="http://127.0.0.1:31001/", user="root", password="")cursor = conn.cursor()
复制代码
如果不习惯使用 CnosDB CLI，我们也可以直接使用 Python Connector 创建数据表
# 创建 tf_demo databaseconn.create_database("tf_demo")# 使用 tf_demo databaseconn.switch_database("tf_demo")print(conn.list_database())
cursor.execute("CREATE TABLE sunspot (date STRING, mssn DOUBLE,);")print(conn.list_table())
复制代码
输出如下，其中包括 CnosDB 默认的 Database
[{'Database': 'tf_demo'}, {'Database': 'usage_schema'}, {'Database': 'public'}][{'Table': 'sunspot'}]
复制代码
将之前 pandas 的 dataframe 写入 CnosDB
### df 为pandas的dataframe，"sunspot"为CnosDB中的表名，['date', 'mssn']为需要写入的列的名字### 如果写入的列不包含时间列，将会根据当前时间自动生成conn.write_dataframe(df, "sunspot", ['date', 'mssn'])
复制代码
03
读取数据
参考论文：程术, 石耀霖, 张怀. 基于神经网络预测太阳黑子变化 (2022).
链接: http://journal.ucas.ac.cn/CN/10.7523/j.ucas.2021.0068
使用 CnosDB 读取数据
df = pd.read_sql("select * from sunspot;", conn)
print(df.head())
复制代码
04
将数据集划分为训练集和测试集
import numpy as np# Convert the data values to numpy for better and faster processingtime_index = np.array(df['date'])data = np.array(df['mssn'])
# ratio to split the dataSPLIT_RATIO = 0.8
# Dividing into train-test splitsplit_index = int(SPLIT_RATIO * data.shape[0])
# Train-Test Splittrain_data = data[:split_index]train_time = time_index[:split_index] test_data = data[split_index:]test_time = time_index[split_index:]
复制代码
使用滑动窗口法构造训练数据
import tensorflow as tf
## required parametersWINDOW_SIZE = 60BATCH_SIZE = 32SHUFFLE_BUFFER = 1000
## function to create the input featuresdef ts_data_generator(data, window_size, batch_size, shuffle_buffer): ''' Utility function for time series data generation in batches ''' ts_data = tf.data.Dataset.from_tensor_slices(data) ts_data = ts_data.window(window_size + 1, shift=1, drop_remainder=True) ts_data = ts_data.flat_map(lambda window: window.batch(window_size + 1)) ts_data = ts_data.shuffle(shuffle_buffer).map(lambda window: (window[:-1], window[-1])) ts_data = ts_data.batch(batch_size).prefetch(1) return ts_data# Expanding data into tensors
# Expanding data into tensorstensor_train_data = tf.expand_dims(train_data, axis=-1)tensor_test_data = tf.expand_dims(test_data, axis=-1)
## generate input and output features for training and testing settensor_train_dataset = ts_data_generator(tensor_train_data, WINDOW_SIZE, BATCH_SIZE, SHUFFLE_BUFFER)tensor_test_dataset = ts_data_generator(tensor_test_data, WINDOW_SIZE, BATCH_SIZE, SHUFFLE_BUFFER)
复制代码
05
定义 1DConv+LSTM 神经网络模型
model = tf.keras.models.Sequential([ tf.keras.layers.Conv1D(filters=128, kernel_size=3, strides=1, input_shape=[None, 1]), tf.keras.layers.MaxPool1D(pool_size=2, strides=1), tf.keras.layers.LSTM(128, return_sequences=True), tf.keras.layers.LSTM(64, return_sequences=True), tf.keras.layers.Dense(132, activation="relu"), tf.keras.layers.Dense(1)])
复制代码
## compile neural network modeloptimizer = tf.keras.optimizers.Adam(learning_rate=1e-3)model.compile(loss="mse", optimizer=optimizer, metrics=["mae"])## training neural network modelhistory = model.fit(tensor_train_dataset, epochs=20, validation_data=tensor_test_dataset)
复制代码
# summarize history for lossplt.plot(history.history['loss'])plt.plot(history.history['val_loss'])plt.title('model loss')plt.ylabel('loss')plt.xlabel('epoch')plt.legend(['train', 'test'], loc='upper left')plt.show()
复制代码
06
使用训练好的模型预测 MSSN
def model_forecast(model, data, window_size): ds = tf.data.Dataset.from_tensor_slices(data) ds = ds.window(window_size, shift=1, drop_remainder=True) ds = ds.flat_map(lambda w: w.batch(window_size)) ds = ds.batch(32).prefetch(1) forecast = model.predict(ds) return forecast
rnn_forecast = model_forecast(model, data[..., np.newaxis], WINDOW_SIZE)rnn_forecast = rnn_forecast[split_index - WINDOW_SIZE:-1, -1, 0]# Overall Errorerror = tf.keras.metrics.mean_absolute_error(test_data, rnn_forecast).numpy()print(error)
复制代码
101/101 [==============================] - 2s 18ms/step24.676455
复制代码
07
与真实值对比的可视化结果
plt.plot(test_data)plt.plot(rnn_forecast)plt.title('MSSN Forecast')plt.ylabel('MSSN')plt.xlabel('Month')plt.legend(['Ground Truth', 'Predictions'], loc='upper right')plt.show()
复制代码
产品相关文档：
1. CnosDB 快速上手指南: https://docs.cnosdb.com
2. CnosDB 官网: https://www.cnosdb.com
3. CnosDB GitHub 仓库:https://github.com/cnosdb/cnosdb
参考文献：
程术, 石耀霖, 张怀. 基于神经网络预测太阳黑子变化(2022) http://journal.ucas.ac.cn/CN/10.7523/j.ucas.2021.0068
分享嘉宾
彭靖田
Google Developer Expert
谷歌加速器创业导师，《深入理解 TensorFlow》，《TensorFlow 快速入门与实战》作者，品览 联合
评论