目录
一、基于PyTorch搭建CNN+LSTM+Attention模型实现风速时间序列预测
一、基于PyTorch搭建CNN+LSTM+Attention模型实现风速时间序列预测
本文的前两篇文章写的是LSTM+Attention和CNN+Attention,由于对于CNN和LSTM可以进行融合形成CNN-LSTM模型,所以本项目作为这三个模型融合的最终版,也就是所谓的CNN+LSTM+Attention。
对于这个融合模型效果理论是相当不错的,但是由于本文只是为了给初学者传达这中搭建方法,所以对于超参数没有进行调节,所以这个终极融合模型的效果应该是体现不出来的,如果需要发挥出它的真正效果,需要自己调节超参,找到适合自己数据的一组参数,如果效果不好。
本项目依旧是使用过去20天的数据来预测未来1天的数据,且每天的特征我们是只用到了一个变量 WIND
风速,也就是单变量预测。
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,小伙伴需要记住下面变量的值一遍理解下文说明各个阶段的维度大小。
<