LSTM长短时记忆神经网络温度预测负荷

最新推荐文章于 2024-07-22 19:12:48 发布

问雁

最新推荐文章于 2024-07-22 19:12:48 发布

阅读量940

点赞数 1

文章标签：神经网络 python 机器学习

本文链接：https://blog.csdn.net/dsytxdy/article/details/110181461

版权

本文分享了一段基于LSTM神经网络的温度预测负荷代码，原用于朋友的项目。代码可能需要根据个人需求进行调整，适合机器学习爱好者交流学习。

摘要由CSDN通过智能技术生成

这个应该也是能跑的，不过需要改动一些数据，就是在根据自己的需要对代码进行改动，改动之后是能够运行的，之前朋友做的这个，是用温度预测负荷的，用的长短时记忆神经网络（LSTM）来做的，我这里将他进行了改动，因为代码还在改进所以发一下他的代码，希望大家一起互相交流

# 使用GPU运算，忽略AVX警告
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# 加载数据分析常用库
import pandas as pd
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense, LSTM
from pandas import read_csv
from pandas import DataFrame
from pandas import concat
from sklearn.preprocessing import MinMaxScaler
from math import sqrt
from numpy import concatenate
from sklearn.metrics import mean_squared_error
from sklearn.utils.validation import check_array as check_arrays
import tensorflow as tf
import numpy as np
from keras import backend as K

from keras.layers import Input,Embedding,LSTM,Dense
from keras.models import Model
from keras import backend as K


# 导入数据，包含头信息
data = read_csv('D:/lyyc/data.csv', header=0, index_col=0)
# 删掉不用的字段
# dataset = dataset.drop('jh', axis=1) # 删掉第一行
# df转array
values = data.values

#查看训练数据
feature = ['load','temp']
example = pd.read_csv('D:/lyyc/data.csv', names=feature)
example.head(8)
print(example.head(8))
# 查看数据采集区的数据
plt.figure(figsize=(24, 8)) #创建图形尺寸
for i in range(2):
	plt.subplot(2, 1, i+1)  #子图
	plt.plot(example.values[:, i])
	plt.title(feature[i], y=0.5, loc='right')
plt.show()


#将时间序列数据转化为监督学习数据
# data：观测值序列，类型为列表或者二维的Numpy数组，必选参数
# n_in：输入的滞后观测值数量（X）。值介于1..len(data)之间，可选参数，默认为1。
# n_out：输出的观测值数量（y）。值介于0..len（data）-1之间，可选参数，默认为1。
# dropnan：是否删除具有NaN值的行，类型为布尔值。可选参数，默认为True。
def series_to_supervised(data, n_in=1, n_out=1, dropnan=True):
	n_vars = 1 if type(data) is