lstm多变量输入回归预测模型_LSTM实践多变量时间序列预测

本文是

第一部分数据处理：

数据下载：开源能源系统数据

from pandas import read_csv

from datetime import datetime

from matplotlib import pyplot

# load data

dataset = read_csv('raw1.csv', parse_dates = [0], index_col=0)

dataset.drop('CY_load_entsoe_transparency', axis=1, inplace=True)

dataset.drop('CY_wind_onshore_generation_actual', axis=1, inplace=True)

# manually specify column names

dataset.columns = ['LET', 'SGA', 'WOfGA', 'WOnGA']

dataset.index.name = 'date'

# mark all NA values with 0

dataset['LET'].fillna(0, inplace=True)

dataset['SGA'].fillna(0, inplace=True)

dataset['WOfGA'].fillna(0, inplace=True)

dataset['WOnGA'].fillna(0, inplace=True)

# drop some rows

dataset = dataset[456:35544]#取[456:35544]两年的数据

# summarize first 5 rows

print(dataset.head(5))

# save to file

dataset.to_csv('use.csv')

# load dataset

dataset = read_csv('use.csv', header=0, index_col=0)

values = dataset.values

print(values)

groups = [0, 1, 2, 3]

i = 1

# plot each column

pyplot.figure()

for group in groups:

pyplot.subplot(len(groups), 1, i)

pyplot.plot(values[456:1000, group])

pyplot.title(dataset.columns[group], y=0.5, loc='right')

i += 1

pyplot.show()

画出两年的趋势

可以看出有些数据很明显是错误的

这个数据有两年半年完整的数据把15-17年的画出来，趋势更明显

这里应该加上数据处理

接下来就是搭建网络和预测

from m