yamingood/Conso-Elec-Guadeloupe

# 🔌 Prévision de la consommation électrique en Guadeloupe **Projet M2 MIAGE — Deep Learning pour les séries temporelles** **Année universitaire 2024–2025** Comparaison de 6 architectures de deep learning (LSTM, GRU, CNN-LSTM, Transformer) pour la prédiction de la consommation électrique en Guadeloupe (ZNI EDF SEI), avec pipeline end-to-end TensorFlow, application Streamlit interactive et rapport académique. --- ## Structure du projet ``` projet_conso_guadeloupe/ ├── main.py # Point d'entrée principal (pipeline complet) ├── config.yaml # Configuration centrale ├── requirements.txt ├── data/ │ ├── raw/ # Données brutes (auto-générées si vides) │ ├── processed/ # Splits train/val/test (parquet) │ └── external/ # Données complémentaires ├── notebooks/ │ ├── 01_exploration.ipynb # Analyse exploratoire │ ├── 02_preprocessing.ipynb # Prétraitement et features │ ├── 03_modeling.ipynb # Entraînement et architectures │ └── 04_evaluation.ipynb # Évaluation comparative ├── src/ │ ├── utils.py # Config, logging, seeds │ ├── data_loader.py # Chargement + fallback synthétique │ ├── preprocessing.py # Nettoyage, outliers, normalisation │ ├── feature_engineering.py # Lags, cycliques, météo, interactions │ ├── models.py # 6 architectures (baseline → Transformer) │ ├── train.py # Entraînement avec callbacks TF │ └── evaluate.py # Métriques MAE/RMSE/MAPE + figures ├── models/ # Modèles .keras + scalers .pkl sauvegardés ├── reports/ │ ├── figures/ # Toutes les figures générées │ └── rapport.md # Mini-rapport académique (2-3 pages) ├── app/ │ ├── streamlit_app.py # Page d'accueil (KPI, carte, navigation) │ ├── pages/ │ │ ├── 1_📊_Exploration.py │ │ ├── 2_🤖_Modeles.py │ │ ├── 3_🔮_Prediction.py │ │ └── 4_📈_Comparai …