目录
一、基于PyTorch搭建LSTM模型实现多变量输入多步预测(递归多步预测)风速时间序列预测
一、基于PyTorch搭建LSTM模型实现多变量输入多步预测(递归多步预测)风速时间序列预测
本文将讲解另外一种实现策略 递归多步预测
,对于这种实现策略主要是先利用模型预测出第一个未来步数的状态值,然后将这个预测值作为新的样本去预测下一步的预测值,这也是为什么叫做递归预测。
这里强调一下,由于本文注重讲解如何实现多步预测策略,所以对于数据集制作、定义模型、优化器这些部分就不再赘述了,如果跟着本专栏看的同学相信已经对于这些内容已经熟悉把握了,所以之后的文章对于重复内容就不再赘述,如果是直接看本篇文章的小伙伴建议先去看前面的文章有个初步认识。
接下来本篇文章我们将采用另外一种经典的循环神经网络——长短期记忆神经网络 LSTM
来对我们的时序数据建模处理,本篇将💎 讲解如何基于多变量进行时序预测,本篇是使用多个特征来对未来多个状态进行时序预测的,详细介绍项目的每个实现部分以及细节处理,帮助新手小白快速建立起如何处理时序数据的框架
。