基于卷积-长短期记忆网络加注意力机制(CNN-LSTM-Attention)的时间序列预测程序,预测精度很高

基于卷积-长短期记忆网络加注意力机制(CNN-LSTM-Attention)的时间序列预测程序,预测精度很高。
可用于做风电功率预测,电力负荷预测等等
标记注释清楚,可直接换数据运行。
代码实现训练与测试精度分析。
这段程序主要是一个基于CNN-LSTM-Attention神经网络的预测模型。下面我将逐步解释程序的功能和运行过程。

  1. 导入所需的库:

    • matplotlib.pyplot:用于绘图
    • pandas.DataFrame和pandas.concat:用于数据处理
    • sklearn.preprocessing.MinMaxScaler:用于数据归一化
    • sklearn.metrics.mean_squared_error和sklearn.metrics.r2_score:用于评估模型性能
    • keras:用于构建神经网络模型
    • numpy:用于数值计算
    • math.sqrt:用于计算平方根
    • attention:自定义的注意力机制模块
  2. 定义一个函数mae_value(y_true, y_pred)用于计算MAE(平均绝对误差)评价指标。

YID:5860673742612391

  1. 定义一个函数series_to_supervised(data, n_in=1, n_out=1, dropnan=True),将序列转换为监督学习问题。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值