CNN做时间序列预测_使用Keras实现CNN+BiLSTM+Attention的多维(多变量)时间序列预测

作者：stabc | 2024-01-30 16:10:00

踩

多变量时间序列预测 cnn

数据集

首先介绍一下我们的数据集，可以在我的github下载

该数据集是一个污染数据集，我们需要用该多维时间序列去预测pollution这个维度

构建训练数据

首先我们删去数据中date,wnd_dir维（注:为了演示方便故不使用wnd_dir，其实可以通过代码将其转换为数字序列）

data

再对于数据进行归一化处理，这里因为工程需要，笔者自写了最大最小归一化，可以使用

sklearn的归一化函数代替

#多维归一化返回数据和最大最小值


#多维归一化  返回数据和最大最小值
def NormalizeMult(data):
    data = np.array(data)
    normalize = np.arange(2*data.shape[1],dtype='float64')
    normalize = normalize.reshape(data.shape[1],2)
    print(normalize.shape)
    for i in range(0,data.shape[1]):
        #第i列
        list = data[:,i]
        listlow,listhigh =  np.percentile(list, [0, 100])
        # print(i)
        normalize[i,0] = listlow
        normalize[i,1] = listhigh
        delta = listhigh - listlow
        if delta != 0:

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/article/detail/47474