目录
一、基于PyTorch搭建LSTM模型实现风速时间序列预测
本专栏前面的一些文章都是基于单变量进行时序预测的,所谓单变量就是利用单日的一个特征,这样对于新手容易理解,所以接下来的文章将考虑多变量,也就是每日的多个特征。
前面文章利用的特征是每日的风速 WIND
单个特征,本篇文章将考虑数据集的所有特征,也就是每日的 温度
、降水
、风速
等因素,其实和单变量没有什么太多区别,就是多了几个特征。
接下来本篇文章我们将采用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
。
二、配置类
下面是本项目需要使用的参数以及相关变量,为了方便我们将所有参数封装到一个类中,也可以使用 argparse
参数解析方式。
为了说明数据各个阶段的维度变化,特此定义了如下变量大小,小伙伴