![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
时序数据深度学习模型
文章平均质量分 65
以时序数据为数据集,利用深度模型实现预测
深度学习的奋斗者
shouhou6668889,做过多个领域的机器学习与深度学习科研项目及落地项目,在优化算法领域、风速/光伏/股票等时序信号预测领域,农业病虫害图片识别领域技术均很熟练。所售代码,均有售后,可私信
展开
-
基于光伏电站真实数据集的深度学习预测模型(Python代码,深度学习五个模型)
3.模型(LSTM;LSTM_transform模型)评价指标。前6行的10列数据(黄色部分)作为特征输入,第7行的第10列数据(红色部分)为标签。每一行前9列(黄色部分) 作为特征输入,每一行的第10列值作为标签(红色部分)根据已获取的历史数据预测下一个时间点或者未来多个时间点 更符合实际。5. 对数据集和代码感兴趣的,可以关注最后一行。1min是以1min 间隔采集的数据集。这里分别保存了不同间隔采样时间表格。数据集截图(开始位置截图)4.效果图(测试集)原创 2024-04-29 00:58:45 · 1251 阅读 · 1 评论 -
LSTM+transform交通流量预测加PyQt5界面可视化(另外四种LSTM/GRU/CNN-LSTM/CNN-GRU作为对比),并设置数据库,很容易替换为其它时序数据集)
一共五个模型:1.LSTM+transform;4.CNN-LSTM;5CNN-GRU测试集指标对比(MAE/MSE/MAPE)原创 2024-04-24 00:02:29 · 1072 阅读 · 2 评论 -
增加PyQt5界面的交通流量预测(模型为CNN_GRU,CNN_BiGRU_ATTENTION,LSTM,Python代码)
对代码和数据集压缩包,感兴趣的可以关注最后一行。3.增加 PyQt5界面效果。2.三个模型和数据集的介绍。展示不同算法的对比指标。原创 2024-04-21 14:04:07 · 831 阅读 · 0 评论 -
国内:深圳交通流量数据集
数据集介绍:宝安区-G4高速西乡大道入口车流量统计。数据来源:深圳政府数据开放平台(数据来源:深圳政府数据开放平台(原创 2024-04-07 20:19:24 · 735 阅读 · 2 评论 -
GWO-LSTM交通流量预测(python代码)
使用 GWO 优化 LSTM 模型的参数,从而实现交通流量的预测方法。data是数据文件夹,data.py是数据归一化等数据预处理脚本。images文件夹装的是不同模型结构打印图。GWO-LSTM测试集效果。对项目感兴趣的可以关注最后一行。原创 2023-08-24 23:50:44 · 1555 阅读 · 0 评论 -
CEEMDAN-and-LSTM-CNN模型时序数据预测(Python代码,有中文注释,三份不同数据集测试集效果均佳,无需修改数据路径,解压缩直接运行)
2.训练集与测试集比例:4:1,即80%作为训练集,20%作为测试集,利用收盘价格的历史数据进行预测未来的收盘价格。3.测试集真实值与预测值对比(反归一化后的数据)第一个文件夹打开(苹果公司美股数据)第二个文件夹打开(雅虎公司股票数据)第三个文件夹打开(招商银行A股数据)测试集真实值与预测值的对比。1.本次项目文件夹展示。原创 2023-08-24 17:33:09 · 1462 阅读 · 0 评论 -
基于timegan扩增技术,进行多维度数据扩增(Python编程,数据集为瓦斯浓度气体数据集)
扩增程序运行5000个epoch,然后将扩增数据与真实数据,利用PCA和TNSE进行特征可视化,可以看出扩增出来的数据与原始数据特征分布近似,扩增数据效果较佳。瓦斯是被预测气体,其它列为特征列,原始数据一共有472行数据,因为原始数据比较少,所以要对原始数据(总共8列数据)进行扩增。gan_lstm.py 是利用扩增后的数据与原始数据的一部分一起作为训练集,对测试集进行测试。gan_data1.npy保留扩增以后的伪数据。lstm.py是对未扩增的数据进行训练和测试。gan_code.py是数据扩增文件。原创 2023-07-19 21:02:59 · 3538 阅读 · 20 评论 -
股票智能预测系统(Python代码,可以自主选择预测模型,被预测的为每天的收盘价格,代码有详细注释),很容易替换为其它时序数据集,其它模型也很容易被加进去,已经留了增加其它模型的位置
模型有RNN、LSTM和CNN-LSTM模型,三个均被调整到各自最优结构,其它模型也很容易被加进去,已经留了增加其它模型的位置。2.特征输入为前五天的收盘价格,标签是第六天的收盘价格(很容易替换输入特征为五个或多个的其它数据集)创作代码用时:10个小时。CNN-LSTM模型。原创 2023-05-18 00:48:21 · 508 阅读 · 0 评论 -
时序数据利用EEMD_LSTM模型进行预测(Python编程,数据集和代码均在压缩包,解压缩后可以直接运行,数据可以替换为股票数据,交通流量等时序数据)
本份代码实现了对时序数据的预测,具体地,它使用了 EEMD(Ensemble Empirical Mode Decomposition) 对时序数据进行分解,并且对分解出来的每一个 IMFs(Intrinsic Mode Functions) 进行 LSTM 模型的训练和预测,最后将多个 IMFs 的预测结果进行加权平均得到最终的预测结果。EEMD是一种信号分解方法,它将信号分解成多个本征模态函数(IMFs),这些IMFs具有不同的频率特征。目标:根据已知时间内的四列特征预测未来的溶解氧含量(第四列)原创 2023-05-06 16:38:19 · 1867 阅读 · 1 评论 -
利用TimeGAN技术对一维时序数据进行扩增(Python代码)
TGAN,时间序列生成对抗性网络于2019年提出,作为一种基于GAN的框架,能够生成各种不同领域的真实时间序列数据,即具有不同观察行为的序列数据。与我们在真实数据和合成数据上实现无监督对抗性损失的其他GAN架构(例如,WGAN)不同,TimeGAN架构引入了监督损失的概念-鼓励模型通过使用原始数据作为监督来捕捉数据中的时间条件分布。此外,我们可以观察到嵌入网络的引入,该网络负责降低对抗性学习空间维度。特征是工作经验年限,标签是薪水,因为数据量太少,利用GAN技术进行扩增。扩增的数据与原始数据对比。原创 2023-05-14 16:31:21 · 6126 阅读 · 2 评论 -
股票预测(数据为招商银行在A股的数据,模型为CNN_LSTM_Attention,编程语言为python,代码和数据均在压缩包里,可以直接运行,并使用MAE/MSE/MAPE/涨跌准确率作为指标)
股票预测,测试集的预测值和真实值。训练集的预测值和真实值。原创 2023-04-28 17:24:34 · 548 阅读 · 1 评论 -
CEEMDAN_LSTM、EMD_LSTM、EEMD_LSTM模型股票预测对比结果
5.所有方法对比:从预测值与真实值的对比图上可以看出效果最好的是EMD_LSTM,从下图的衡量指标也可以看出。所以虽然CEEMDAN和EEMD比EMD方法优秀,但是具体还有看哪种方法应用于实际的数据集。2.模型:CEEMDAN_LSTM模型,EMD_LSTM、EEMD_LSTM模型利用历史收盘价格预测未来的收盘价格。1.数据为比亚迪A股每天收盘价格的数据(2011/6/30-2023/4/3)(一共2848条数据,数据越多,2.利用EEMD对收盘价格的分解。1.利用EMD对收盘价格的分解。原创 2023-05-14 11:35:11 · 895 阅读 · 7 评论 -
分别用四种不同的方法对时序序列的异常点检测(python代码)
具体来说,它通过导入sklearn库中的svm.OneClassSVM函数,对数据中的溶解氧(Dissolved Oxygen)这一列进行处理,将其转换为numpy数组后,通过调用fit()方法训练SVM模型。然后,使用fit_predict()方法来检测数据集中的异常值,将检测到的异常值用红色散点图标记出来,并输出异常值的个数。接着,它遍历预测结果,将预测为-1的样本点(即被分类为离群点)用红点标记在图上,并将其从原始数据中删除,最后将剩下的数据绘制成另一个图形。原创 2023-05-06 20:25:37 · 1429 阅读 · 6 评论 -
基于数据预处理工程(增加收益率波动)与GRU结合雅虎美股预测
基于数据预处理工程(增加收益率波动)与GRU结合雅虎美股预测原创 2023-05-14 11:34:02 · 529 阅读 · 0 评论 -
基于时序特征处理与LSTM结合的雅虎美股数据预测
总结:这段代码主要通过加载、处理和预处理股票数据,提取时间序列特征,构建和训练LSTM模型,以及进行模型预测和评估来实现股票预测。二.数据集介绍(开始日期是:2015/11/23),数据一共是1826行,预测的收盘价格。结束时间是:2020/11/20。原创 2023-05-14 11:41:04 · 1577 阅读 · 1 评论 -
股票预测(数据为招商银行在A股的数据,模型为MSCNN_Bilstm_Attention,python,代码和数据均在压缩包里,可以直接运行,并使用MAE/MSE/MAPE/涨跌准确率作为指标)
4.与另一篇文章中的CNN_LSTM_attention模型相比,测试集拟合效果更好一点,各项差异指标(MAE/MSE/MAPE)减小。2. 模型(MSCNN_Bilstm_Attention模型)3.测试集的预测值和真实值。5.需要代码的可以关注。原创 2023-05-05 21:21:43 · 409 阅读 · 0 评论 -
GRU,GRU+Attention,lstm+Attention,三种方法股票预测结果对比
1.数据集采用的招商银行的数据2. GRU结果2.GRU+ATTENTION结果3.lstm+attention结果原创 2021-09-16 09:25:25 · 5164 阅读 · 11 评论 -
交通流量预测(python代码,压缩包中带有数据,CNN_GRU,CNN_BiGRU_ATTENTION,LSTM三种不同模型,多特征输入,单标签输出,可以替换为其它时序数据集)
第一个文件:CNN_BiGRU_ATTENTION表格,装载的是CNN-BiGRU-Attention.py预测测试集的结果。1.数据来源:美国单方向交通流量(16条道路)是CNN-BiGRU-Attention.py。第二个文件:CNN_GRU表格,装载的是。原创 2022-04-12 21:58:56 · 4001 阅读 · 2 评论 -
机械寿命预测,多步预测,跨设备寿命预测(以一台训练好的模型对另一台直接预测,python代码,压缩包包含数据集,解压缩后直接运行)
1.数据包含了两组输入数据和输出数据。一组输入数据代表的是当前的状态,对应的输出为寿命。2.模型:CNN_LSTM_ATTENTION通过前k(代码里设定的K=3)个输入状态,预测后t(代码里设置的t=3)个周期的寿命。3.两种实验方案结果:3.1in_1st整个数据集作为训练集,in_2st作为测试集:训练集结果图像测试集结果:3.2.In_2st作为训练集,In_1st作为测试集训练集结果:测试集结果:......原创 2022-04-12 22:29:30 · 1744 阅读 · 1 评论