RNN Model for PM2.5 Prediction

Descripción

Este modelo RNN está diseñado para predecir los niveles de PM2.5 en el Área Metropolitana del Valle de Aburrá. Utiliza datos históricos de calidad del aire para hacer sus predicciones, implementando una red neuronal recurrente (RNN) para capturar las dependencias temporales de las mediciones de PM2.5.

Modelo

El modelo consiste en una capa RNN simple seguida de una capa densa para predecir el valor de PM2.5 en un momento futuro basado en una secuencia de valores anteriores.

Arquitectura

Entrada: Secuencia de valores PM2.5 de los últimos 5 días.
Capa RNN: 8 unidades.
Capa de salida: Capa densa con una sola salida para predecir el PM2.5.

Uso

El modelo espera recibir una secuencia de 5 valores previos de PM2.5 como entrada y devuelve un valor que predice la concentración de PM2.5 para el próximo intervalo.

Ejemplo de código para utilizar el modelo:

import requests

API_URL = "https://api-inference.huggingface.co/models/ManCD/rnn-pm25-model"
headers = {"Authorization": "Bearer tu_token_de_Hugging_Face"}

def query(payload):
    response = requests.post(API_URL, headers=headers, json=payload)
    return response.json()

data = [10, 12, 15, 13, 11]  # Ejemplo de datos de entrada
output = query({"inputs": data})
print(output)