![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时间序列informer
文章平均质量分 68
085410上岸
这个作者很懒,什么都没留下…
展开
-
Informer开源项目(3)
为了解决不同地区的电力分配问题,需要提前预测特定地区的电力需求情况。该团队认为油温(数据集中的OT列)可以反映变压器的用电情况,只要油温安全就可以避免电力变压器的损坏。:基础的 informer 模型,它是为长期时间序列预测设计的。InformerStack 适用于那些需要从时间序列中提取更深层次、更复杂模式的场景,例如复杂的财经数据分析或高级气候模式预测。不是专业领域的伙伴可以不用在意各列的实际意义,只要明确我们数据集有8列,1列时间,使用其中6列特征的值,来预测最后一列的OT值即可。原创 2024-02-03 10:30:00 · 819 阅读 · 2 评论 -
Informer开源项目(2)
需要根据数据集的特征数量和前面features的设定来配合设置。进一步影响预测进度的参数,需要根据数据的特性来设置。一般不改变的默认参数。原创 2024-02-02 11:47:51 · 254 阅读 · 0 评论 -
Informer开源项目(1)
所有的流程都是被封装好的,我们数据的预处理、数据配置、模型选择、模型结构、模型输入输出、训练过程中的学习率、batch_size等等信息全都是通过参数来控制的,甚至连数据的导入都是以参数的形式进行,我们需要修改的只有参数本身而已。|data|str|数据,这个并不是数据集文件,而是你想要用官方定义的方法还是你自己的数据集进行定义数据加载器,如果是自己的数据集就输入custom(这也是这个开源项目做的比较好的地方,项目本身可以选择用自己的数据集)|d_model|int|用于设置模型的维度,默认值为512。原创 2024-02-02 11:21:56 · 2012 阅读 · 0 评论 -
长时间序列预测模型Informer
此外,Informer采用了一种独特的序列下采样策略,有效地减少了序列的长度,从而进一步提升了处理长序列的能力。(随机抽取1/4,每个Q和1/4的K之间的相关性(96*96 —> 96*25)、得到了所有的Q是否活跃的排序,找到分布差异最大的top25个Q),由于ProbSparse自相关机制有很多都是用V的mean填充的,所以天然就存在几余的attention sorce,因此在相邻的Attention Block之间应用卷积与池化来对特征进行下采样,所以作者在设计Encoder时,采用。原创 2024-02-01 21:31:12 · 1466 阅读 · 1 评论