多特征变量序列预测(11) 基于Pytorch的TCN-GRU预测模型_tcngru代码-程序员宅基地

技术标签: 时间序列预测  人工智能  

 往期精彩内容:

时序预测:LSTM、ARIMA、Holt-Winters、SARIMA模型的分析与比较-程序员宅基地

风速预测(一)数据集介绍和预处理-程序员宅基地

风速预测(二)基于Pytorch的EMD-LSTM模型-程序员宅基地

风速预测(三)EMD-LSTM-Attention模型-程序员宅基地

风速预测(四)基于Pytorch的EMD-Transformer模型-程序员宅基地

风速预测(五)基于Pytorch的EMD-CNN-LSTM模型-程序员宅基地

风速预测(六)基于Pytorch的EMD-CNN-GRU并行模型-程序员宅基地

风速预测(七)VMD-CNN-BiLSTM预测模型-程序员宅基地

CEEMDAN +组合预测模型(BiLSTM-Attention + ARIMA)-程序员宅基地

CEEMDAN +组合预测模型(CNN-LSTM + ARIMA)-程序员宅基地

CEEMDAN +组合预测模型(Transformer - BiLSTM+ ARIMA)-程序员宅基地

 CEEMDAN +组合预测模型(CNN-Transformer + ARIMA)-程序员宅基地

多特征变量序列预测(一)——CNN-LSTM风速预测模型-程序员宅基地

多特征变量序列预测(二)——CNN-LSTM-Attention风速预测模型-程序员宅基地

多特征变量序列预测(三)——CNN-Transformer风速预测模型-程序员宅基地

多特征变量序列预测(四)Transformer-BiLSTM风速预测模型-程序员宅基地

多特征变量序列预测(五) CEEMDAN+CNN-LSTM风速预测模型-程序员宅基地

多特征变量序列预测(六) CEEMDAN+CNN-Transformer风速预测模型-程序员宅基地

多特征变量序列预测(七) CEEMDAN+Transformer-BiLSTM预测模型-程序员宅基地

基于麻雀优化算法SSA的CEEMDAN-BiLSTM-Attention的预测模型-程序员宅基地

基于麻雀优化算法SSA的CEEMDAN-Transformer-BiGRU预测模型-程序员宅基地

多特征变量序列预测(八)基于麻雀优化算法的CEEMDAN-SSA-BiLSTM预测模型-程序员宅基地

多特征变量序列预测(九)基于麻雀优化算法的CEEMDAN-SSA-BiGRU-Attention预测模型-程序员宅基地

多特征变量序列预测(10)基于麻雀优化算法的CEEMDAN-SSA-Transformer-BiLSTM预测模型-程序员宅基地

超强预测算法:XGBoost预测模型-程序员宅基地

VMD + CEEMDAN 二次分解,BiLSTM-Attention预测模型-程序员宅基地

VMD + CEEMDAN 二次分解,CNN-LSTM预测模型-程序员宅基地

VMD + CEEMDAN 二次分解,CNN-Transformer预测模型-程序员宅基地

基于麻雀优化算法SSA的预测模型——代码全家桶-程序员宅基地

多特征变量序列预测 -TCN 预测模型-程序员宅基地

前言

本文基于前期介绍的风速数据(文末附数据集),介绍一种基于TCN-GRU网络模型的多特征变量序列预测模型。TCN-GRU模型是一种结合了 Temporal Convolutional Network (TCN) 和 Gated Recurrent Unit (GRU) 的深度学习模型,用于时间序列预测任务。该模型结合了卷积神经网络的并行化计算和循环神经网络的记忆性能,能够有效地捕捉时间序列数据中的长期依赖关系,以提高时间序列数据的预测性能。

模型整体结构:数据集一共有天气、温度、湿度、气压、风速等九个变量,通过滑动窗口制作数据集,利用多变量来预测风速。通过TCN-GRU预测模型进提取特征后,再送入全连接层,实现高精度的预测模型。

1. TCN(Temporal Convolutional Network)是一种基于卷积神经网络的时间序列模型。它使用一维卷积层来捕捉时间序列数据中的局部和全局特征。通过多个卷积层和非线性激活函数的堆叠,TCN 可以有效地扩展感受野,捕捉不同时间尺度的信息。

2. GRU(Gated Recurrent Unit)是一种循环神经网络单元,用于处理序列数据。GRU 使用门控机制(门控单元)来控制信息的流动和记忆的更新。通过遗忘门、更新门和重置门,GRU 可以有效地捕捉序列数据中的长期依赖关系,并避免梯度消失或梯度爆炸的问题。

3. TCN-GRU 预测模型将 TCN 和 GRU 结合在一起。首先,通过 TCN 层对时间序列数据进行特征提取和表示学习。然后,将 TCN 的输出作为 GRU 的输入,利用 GRU 的记忆性能进行进一步的序列建模和预测,能够高效的并行计算、有着较低的内存消耗、能够处理长期依赖关系和一定的灵活性。

风速数据集的详细介绍可以参考下文:

风速预测(一)数据集介绍和预处理_风速预测(一)数据集介绍和预处理-程序员宅基地

1 多特征变量数据集制作与预处理

1.1 导入数据

1.2 数据集制作与预处理

先划分数据集,按照9:1划分训练集和测试集,制作数据集

2 基于Pytorch的TCN-GRU 预测模型

2.1 定义TCN预测模型

注意:输入风速数据形状为 [32, 7, 8], batch_size=32,7代表序列长度(滑动窗口取值),  维度8维代表挑选的8个变量的维度。

2.2 设置参数,训练模型

50个epoch,MSE 为0.01438,多变量特征TCN-GRU预测效果良好,性能优越,适当调整模型参数,还可以进一步提高模型预测表现。

注意调整参数:

  • 可以适当增加TCN层数和隐藏层的维度,微调学习率;

  • 调整GRU层数和每层神经元个数,增加更多的 epoch (注意防止过拟合)

  • 可以改变滑动窗口长度(设置合适的窗口长度)

3 模型评估与可视化

3.1 结果可视化

3.2 模型评估

代码、数据如下:

对数据集和代码感兴趣的,可以关注最后一行

# 加载数据
import torch
from joblib import dump, load
import torch.utils.data as Data
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
# 参数与配置
torch.manual_seed(100)  # 设置随机种子,以使实验结果具有可重复性
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
#代码和数据集:https://mbd.pub/o/bread/ZZyXlZlt

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_40949048/article/details/136692135

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些

PHP设置谷歌验证器(Google Authenticator)实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数,兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios

如何将EXCEL表导入plsql数据库中-程序员宅基地

文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql

Git常用命令速查手册-程序员宅基地

文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...

分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120-程序员宅基地

文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120

【C++缺省函数】 空类默认产生的6个类成员函数_空类默认产生哪些类成员函数-程序员宅基地

文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数

推荐文章

热门文章

相关标签