目录
一、基于PyTorch搭建LSTM+注意力机制(Attention)模型实现风速时间序列预测
一、基于PyTorch搭建LSTM+注意力机制(Attention)模型实现风速时间序列预测
上一篇文章我们讲解的是如何基于注意力机制Attention来实现风速预测,对于结果来说并不是很好,因为对于时序数据来讲单纯考虑权重信息来说还是不够的,缺少了LSTM这类网络提取的时序信息,也就是注意力机制提取时序信息能力相对较差(这里说的是单层自注意力机制模块,目前Transformer、Bert这种大模型已经处理的很好)。
所以本项目为了提高模型效果,提出了一些改进,就是将LSTM引入上篇文章单纯采用的注意力机制模块,利用注意力模块来处理LSTM的输出,由于引入了LSTM能够提取时序信息,效果可能会好一点。
有的小伙伴私信我说可不可以使用CNN和注意力模块进行融合,对于这个想法我会在下篇文章进行试验测试,然后最终发一个三者结合的融合模型(CNN + LSTM + Attention),尝试一下效果如何。
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