Prognozowanie hydrologiczne
Prognozy jakości wody z danych z czujników.
Odwiedź watermap.pl (otwiera się w nowej karcie), watersense.pl (otwiera się w nowej karcie)
W skrócie
- dla
- Monitoring wody
- dane
- Pomiary ze stacji
- wynik
- API z prognozami
- status
- Produkcyjnie
Jak to działa
- pomiary ze stacji
- model predykcyjny
- prognozy parametrów
Potrzeba
Pomiary jakości wody zmieniają się w czasie i miejscu. Dobra prognoza wymaga spójnego przetwarzania szeregów czasowych, oceny dopasowanej do każdego parametru i pewnej drogi do codziennego użycia.
Co zbudowaliśmy
Dostarczyliśmy warstwę predykcyjną: od analizy danych i budowy modeli, przez trening, po API z prognozami. Uczestniczyliśmy też w projektowaniu zarządzania danymi wokół wdrożenia.
- Wielowymiarowe szeregi czasowe · Pomiary ze stacji przetwarzamy w spójny sposób.
- Porównanie modeli · Porównaliśmy podejścia Transformer i TimesNet. Jakość mierzymy błędem prognozy dla każdego parametru.
- Trening i prognozy · Jedna droga od budowy modelu, przez trening, do prognoz udostępnianych przez API.
Co się zmieniło
Dedykowany model głębokiego uczenia działa produkcyjnie i generuje prognozy parametrów przez warstwę inferencji, czyli API z prognozami.
Wdrożenie produkcyjne i jego skalę podajemy według danych ArtNovation z września 2026. Projekt dotyczy środowiska stochastycznego.
Podobne zadanie?
Zbierasz pomiary z czujników, maszyn albo innych systemów i chcesz wcześniej wiedzieć, co pokażą? Zaczynamy od danych, które już masz, i od tego, jak sprawdzimy trafność prognozy.
