پروژه شناسایی نشتی در شبکه آب

سلام، من روی یک پروژه پایان‌نامه با موضوع تشخیص نشتی آب در شبکه‌های توزیع کار می‌کنم و نیاز دارم مدل‌های CNN، LSTM و ترکیبی CNN-LSTM رو روی دیتای خودم پیاده‌سازی کنم. توضیحات کلی کار: 1. داده‌ها داده‌ها به صورت فایل‌های CSV هستند. هر فایل شامل داده‌های فشار و جریان در شبکه آب هست. داده‌ها برچسب‌گذاری شده‌اند (نشتی یا غیرنشتی، و نوع نشتی). داده واقعی هستن 2. پیش‌پردازش (Preprocessing) حذف نویز و داده‌های پرت (با روش‌هایی مثل Z-Score یا IQR). تکمیل داده‌های گمشده (میانگین یا تخمین براساس سایر ویژگی‌ها). نرمال‌سازی (Min-Max یا Z-Score). در صورت نیاز استخراج ویژگی (مثل تغییرات فشار در زمان، میانگین متحرک، تحلیل فرکانسی). تقسیم داده‌ها به Train (70٪)، Validation (20٪) و Test (10٪). 3. مدل‌ها باید سه مدل اصلی پیاده‌سازی بشه: CNN (Convolutional Neural Network): برای استخراج ویژگی‌های مکانی از داده‌های سری‌زمانی. LSTM (Long Short-Term Memory): برای یادگیری وابستگی‌های زمانی و تشخیص نشتی‌های تدریجی. مدل ترکیبی CNN-LSTM: اول CNN ویژگی‌ها رو استخراج کنه، بعد LSTM روابط زمانی رو یاد بگیره. 4. معیارهای ارزیابی Accuracy Precision Recall F1-Score AUC-ROC Confusion Matrix 5. محیط و ابزارها زبان: Python کتابخانه‌ها: TensorFlow / Keras، Scikit-learn، Pandas، NumPy، Matplotlib اجرای کد: Jupyter Notebook یا Google Colab (با GPU) 6. خروجی مورد انتظار کد تمیز و مستندسازی شده (با توضیحات در هر بخش). نمودارهای آموزش و اعتبارسنجی (Loss و Accuracy). گزارش نتایج هر مدل در قالب جدول مقایسه‌ای. مشخص شدن اینکه کدام مدل عملکرد بهتری دارد (مخصوصاً برای داده‌های سری‌زمانی نشتی).