目录
一、基于PyTorch搭建CNN(一维卷积Conv1D)模型实现风速时间序列预测
一、基于PyTorch搭建CNN(一维卷积Conv1D)模型实现风速时间序列预测
本专栏前面几篇文章讲解的都是基于RNN类网络(LSTM、GRU等)进行时间序列预测,因为RNN类网络天生固有特性就是可以提取时间层面的信息,如果有熟悉NLP的小伙伴可能了解使用卷积也可以处理序列信息。
在NLP领域有个经典的文本分类算法 textCNN
就是使用了卷积结构来处理文本序列数据,对于文本数据和时间序列数据格式类似,所以本篇文章尝试使用CNN卷积结构来进行时间序列预测。
如果熟悉PyTorch的小伙伴,在搭建卷积网络的时候可能会看到两种卷积模块,分别是 Conv1D
和 Conv2D
,对于图像类任务我们常常使用的是二维卷积,对于序列类数据我们使用的就是 Conv1D
一维卷积,对于本篇卷积模型我们使用的是 Conv1D
一维卷积,其实也可以将图像任务中的二维卷积拿来用,对于这种情况我们下篇文章进行讲解如何使用二维卷积 Conv2D
处理时间序列数据。
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.