目录
一、基于PyTorch搭建CNN+注意力机制(Attention)模型实现风速时间序列预测
一、基于PyTorch搭建CNN+注意力机制(Attention)模型实现风速时间序列预测
上一篇内容我们是采用LSTM+Attention这个模型来对时序数据进行处理,效果不是特别好,原因并不是模型不好,而是对于超参数没有进行调整,所以导致最终的数据波动不大。
本项目决定使用CNN+Attention模型来对数据进行处理,模型搭建和LSTM+Attention基本是一致的,都是先使用CNN或LSTM,然后将其输出结果导入到Attention模块中进行加权融合。
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。
class Config():
data_path = '../data/wind_dataset.csv'