Implementation of a weather station and forecasting weather using IOT

Abstract

المستخلص

لوحظت التغيرات في الأحوال الجوية منذ قرون في حين أن عملية قياس الظروف الجوية قد حدثت في عدة مراحل في التاريخ ولم تبدأ أدوات الطقس الحديثة في التطور حتى القرن الرابع عشر الميلادي. كان شاغلنا الرئيسي لهذا المشروع هو تنفيذ محطة طقس أوتوماتيكية IoT فعالة من حيث التنبؤ مع ميزة التكلفة التي يمكنها قياس بيانات الطقس مثل درجة الحرارة والرطوبة والضغط والاهتزازات والمطر ، والتي ستكون صغيرة الحجم ليتم تثبيتها في أعلى المبنى أو حقل الحصاد ويمكن أن تكون ذاتية التشغيل مثل الألواح الشمسية دون الحاجة إلى الذهاب إلى المحطة للحصول على البيانات مع إمكانية الوصول إلى البيانات من أي مكان في العالم من خلال النظام الأساسي السحابي مثل ThingSpeak الذي استخدمناه هنا. يتم تنفيذ جزء إنترنت الأشياء باستخدام مكونات الأجهزة منخفضة التكلفة كوحدة الحصول على البيانات باستخدام لوحة NodeMCU مع ESP8266 جنبًا إلى جنب مع أجهزة استشعار مختلفة منخفضة التكلفة وسهلة التركيب لوظائف مختلفة. تم تنفيذ جزء التنبؤ بمجموعة بيانات حقيقية تم جمعها من مصدر عبر الإنترنت وتم تدريبها باستخدام خوارزمية LSTM لمدة عشر سنوات من بيانات درجة الحرارة وحققت 99٪ بعد دقة التقدير المحدثة.

Abstract

Changes in weather conditions have been observed since centuries whereas process of measuring weather conditions has taken place in several stages in history and modern weather tools didn't begin development until the 1400's. Our main concern for this project was to implement a cost effective IoT automatic weather station with forecasting feature which can measure weather data like temperature, humidity, pressure, vibrations and rain, which will be small in size to be installed in building top or harvesting field and can be self-powered such from solar panel without need to go to station to get data with the possibility of accessing to data from anywhere in the world through the cloud platform as ThingSpeak we used here. The IoT part is implemented using low cost hardware component as a data acquisition unit using NodeMCU board with ESP8266 along with different low cost and easy to install sensors for different functionality. The forecasting part is implemented with real dataset collected from an online source and trained using LSTM algorithm for ten years length temperature data and had achieved 99% after updated estimation accuracy.