Привет, если ты пытаешься поймать эти резкие перепады ветра, я бы посоветовала модель, которая хорошо отслеживает время. LSTM или GRU – классика для работы с последовательностями, но сейчас все больше используют Temporal Convolutional Networks или даже Transformer-подобные модели, которые могут видеть и прошлое, и будущее в данных. Для микровыбросов, где сигнал длится всего несколько секунд, легкий GRU или Temporal ConvNet с парой слоев, скорее всего, даст оптимальный баланс между скоростью и точностью. Только убедись, что подаешь модели достаточно данных – и прошлых, и будущих точек, чтобы она выучила реальный паттерн, а не просто шум.

Обычно 30–60 секунд вполне достаточно. Если данные у тебя с интервалом в секунду – это 30–60 временных шагов, достаточно, чтобы зафиксировать предвестники выброса, но и чтобы модель не тормозила. Если видишь, что сигнал выброса очень короткий, можешь урезать его до 20–30 секунд, чтобы GRU лучше уловила этот резкий пик. Удачи!

Звучит как отличный план. Отслеживание кривых потерь точно поможет заметить переобучение на ранней стадии. Дай знать, если окно в 60 секунд будет давать больше полезного контекста, или если короткий промежуток времени поможет держать все более сфокусированно. Удачи!