1 LSTM预测(单输入单输出单步预测)
LSTM是一种特殊的循环神经网络(RNN),专门设计用于解决传统RNN中的长期依赖问题。它在序列数据处理中表现出色,被广泛用于语言建模、时间序列预测和自然语言处理等领域
1.1 加载数据
通过深度学习模型,可以更好地理解数据的复杂关系,从而提高预测的准确性,首先,加载数据并展示了原始风速数据(此数据已经过一定的异常值、缺失值处理)的趋势。
采用kaggle平台数据集:2006年至2016年塞格德的气象数据,包括每小时/每日数据,包括温度、压力、风速等。
塞格德的气象数据数据集下载链接
该数据为每小时时间序列数据,一共96453条,包括:时间、天气类型、降水类型、气温、体表温度、湿度、风速(km/小时)、风向(度)、能见度(km)、噪声、气压、全天天气12个变量。
wind_speed_origin.csv即下载的weatherHistory.csv。