数据分析-23-时间序列预测之基于keras中LSTM预测单单和多单和多多模式

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。