Для моего дипломного проекта я пытаюсь прогнозировать уровень грунтовых вод, применяя фильтр частиц, который использует данные прогноза погоды (в частности, мм осадков и испарения). В рамках процесса фильтрации частиц мне нужно сделать прогноз уровня грунтовых вод на основе этих данных прогноза погоды, что я хочу сделать, используя модель Pastas.
В данный момент я обучил модель Pastas как следует:
import pastas as ps
# set up model
model = ps.Model(gwml_train.gws)
# add stresses information
rain = ps.StressModel(wm_train.RH, ps.Gamma, name='rain', settings="prec")
evap = ps.StressModel(wm_train.EV, ps.Gamma, name='evap', settings="evap")
model.add_stressmodel(rain)
model.add_stressmodel(evap)
# solve model
model.solve()
Где gwml_train
- данные об уровне грунтовых вод за период с 1-1-2018 до 1-1-2019 и wm_train
измерения погоды для тех же данных. Rh - это количество осадков, а EV - испарение.
Эта модель объясняет измерения уровня подземных вод, которые даются в сочетании с измерениями погоды. Что я хочу сделать, так это сделать прогноз на период, в который измерения уровня подземных вод не проводятся, но есть измерения погоды.
В частности, я использую for-l oop, который составляет 30 дней прогноз на каждый день в период с 1-1-2019 по 1-3-2019. Каждый день я получаю набор данных с прогнозом погоды на этот день на 30 дней. Что я хотел бы сделать, так это добавить данные прогноза погоды в модель и использовать их для прогнозирования уровня подземных вод на этот 30-дневный период. Есть ли способ сделать это?
Добавление данных в solve()
не работает, а метод simulate()
не принимает никаких данных.
Этот вопрос был отправлен я пользователем по почте. Я публикую его здесь, чтобы добавить вопрос о пастах в SO.
РЕДАКТИРОВАТЬ: обновленный вопрос с объяснением пользователя.