CNN实现时间序列预测(PyTorch版)

CNN实现时间序列预测

工具集

Python3.8
PyTorch1.10
Jupyter6.3.0
具体安装过程就不多赘述了:）

数据集介绍

本次实验使用的数据集是关于乙醇年销售额数据，该数据集是一个单变量时间序列，数据集链接在本文末尾。
数据集格式：

数据处理

• 加载数据集

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
Dataset = pd.read_csv('..\data\Alcohol_Sales.csv',
				index_col=0,parse_dates=True)

• 查看数据集

len(Dataset)

Dataset.head()

plt.figure(figsize=(12,4))
plt.grid(True)
plt.plot(df['S4248SM144NCEN'])
plt.show()

• 数据预处理

y = df['S4248SM144NCEN'].values.astype(float)
test_size = 12
# 划分训练和测试集，最后12个值作为测试集
train_set = y[:-test_size]
test_set = y[-test_size:]

from sklearn.preprocessing import MinMaxScaler
# 归一化处理
scaler = MinMaxScaler(feature_range=(-1, 1))
train_norm = scaler.fit_transform(train_set.reshape(-