目录
一、基于PyTorch搭建LSTM+CNN模型实现风速时间序列预测
一、基于PyTorch搭建LSTM+CNN模型实现风速时间序列预测
本专栏至此已经讲解了如何使用LSTM和CNN搭建模型来实现风速时间序列预测,所以本项目想尝试将这两个模型进行融合,这种思路已经被很多人广泛使用,而且效果也相对不错,在NLP领域,这个融合模型更为常见。
对于这种融合思路简单理解就是时空融合,对于RNN类网络它天然可以提取时间层面的信息,而CNN类网络由于是采用卷积操作,所以一定程度上可以获取空间层面的信息,所以根据这点,可以将这两个模型融合进而共同捕捉时间和空间层面的信息。
如果有能力的小伙伴,看完本篇文章可以尝试复现原论文中的代码。
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。