requirements.txt

streamlit==1.32.2
numpy==1.26.4
tensorflow==2.16.1
pandas==2.2.1
plotly==5.18.0
scikit-learn==1.4.0

app.py

@@ -3,21 +3,20 @@ import numpy as np
 import pandas as pd
 import tensorflow as tf
 from tensorflow.keras.models import Sequential
-from tensorflow.keras.layers import LSTM, Dense, Dropout
+from tensorflow.keras.layers import LSTM, Dense
 from sklearn.preprocessing import MinMaxScaler
-import plotly.graph_objs as go
+import plotly.express as px
 
 # إعدادات الصفحة
 st.set_page_config(
-    page_title="Aviator AI",
+    page_title="Aviator Predictor",
     layout="wide",
     initial_sidebar_state="collapsed"
 )
 
 # إعدادات النموذج
-WINDOW_SIZE = 3
-EPOCHS = 50
-BATCH_SIZE = 2
+WINDOW_SIZE = 2  # تم التخفيض لتقليل استهلاك الذاكرة
+EPOCHS = 30      # تم التخفيض لتسريع التدريب
 
 # إعداد حالة الجلسة
 if "values" not in st.session_state:
@@ -38,46 +37,37 @@ def prepare_data(data):
 
 def build_model():
     model = Sequential([
-        LSTM(64, activation='relu', input_shape=(WINDOW_SIZE, 1)),
-        Dropout(0.2),
-        Dense(32, activation='relu'),
+        LSTM(32, activation='relu', input_shape=(WINDOW_SIZE, 1)),  # تم التبسيط
         Dense(1)
     ])
     model.compile(
-        optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
+        optimizer='adam',
         loss='mse'
     )
     return model
 
 # واجهة المستخدم
-st.title("تنبؤات Aviator AI")
-st.markdown("أدخل القيم ثم اضغط على زر الإضافة")
+st.title("🛩 Aviator Predictor Pro")
+st.markdown("أدخل القيم (مثال: 1.23) ثم اضغط إضافة")
 
 col1, col2 = st.columns([3, 1])
 with col1:
-    new_value = st.number_input("القيمة الجديدة:", format="%.2f", key="input")
+    new_value = st.number_input("القيمة الجديدة:", format="%.2f", key="input", step=0.1)
 
 with col2:
-    if st.button("➕ أضف"):
-        st.session_state.values.append(new_value)
+    if st.button("➕ إضافة"):
+        st.session_state.values.append(float(new_value))
         st.rerun()
-    if st.button("🗑️ مسح"):
+    if st.button("🗑️ مسح البيانات"):
         st.session_state.values = []
         st.session_state.model = None
         st.rerun()
 
 # عرض البيانات
 if len(st.session_state.values) > 0:
-    st.subheader("📈 الرسم البياني")
-    df = pd.DataFrame(st.session_state.values, columns=['القيم'])
-    fig = go.Figure()
-    fig.add_trace(go.Scatter(
-        x=df.index,
-        y=df['القيم'],
-        mode='lines+markers',
-        name='البيانات الفعلية',
-        line=dict(color='#2E86C1')
-    ))
+    st.subheader("📊 التطور التاريخي")
+    df = pd.DataFrame({'القيم': st.session_state.values})
+    fig = px.line(df, y='القيم', markers=True)
     st.plotly_chart(fig, use_container_width=True)
 
 # التدريب والتنبؤ
@@ -92,7 +82,6 @@ if len(st.session_state.values) >= WINDOW_SIZE + 1:
         history = st.session_state.model.fit(
             X, y,
             epochs=EPOCHS,
-            batch_size=BATCH_SIZE,
             verbose=0
         )
         
@@ -100,18 +89,19 @@ if len(st.session_state.values) >= WINDOW_SIZE + 1:
             np.array(st.session_state.values[-WINDOW_SIZE:]).reshape(-1,1)
         ).reshape(1, WINDOW_SIZE, 1)
         
-        predicted_scaled = st.session_state.model.predict(last_sequence, verbose=0)
-        prediction = st.session_state.scaler.inverse_transform(predicted_scaled)[0][0]
+        prediction = st.session_state.scaler.inverse_transform(
+            st.session_state.model.predict(last_sequence, verbose=0)
+        )[0][0]
         
-        st.success(f"التنبؤ القادم: {prediction:.2f}x")
-        st.markdown(f"**آخر 3 قيم:** {st.session_state.values[-3:]}")
+        st.success(f"التنبؤ للجولة القادمة: {prediction:.2f}x")
+        st.info(f"آخر {WINDOW_SIZE} قيم: {st.session_state.values[-WINDOW_SIZE:]}")
         
     except Exception as e:
-        st.error(f"حدث خطأ: {str(e)}")
+        st.error(f"حدث خطأ تقني: {str(e)}")
 
 elif len(st.session_state.values) > 0:
     needed = WINDOW_SIZE + 1 - len(st.session_state.values)
     st.warning(f"أدخل {needed} قيم أخرى لبدء التنبؤات")
 
 st.markdown("---")
-st.caption("الإصدار 3.0 | تم التطوير بواسطة الذكاء الصناعي")
+st.caption("الإصدار 4.0 | تم التطوير باستخدام خوارزميات التعلم العميق")