时间序列预测
文章平均质量分 67
nsq_ai
这个作者很懒,什么都没留下…
展开
-
时序预测中使用一个预训练的深度神经网络(DNN)模型的预测结果和另一个模型(例如:LSTM模型)的输出结果来计算损失函数,并进一步训练这个LSTM模型
时序预测任务中,我们可以使用一个预训练的深度神经网络(DNN)模型的预测结果和另一个模型(例如:LSTM模型)的输出结果来计算损失函数,并进一步训练这个LSTM模型。这里我们假设一个预训练的简单MLP模型。return x# 假设已加载预训练权重pretrained_model.eval() # 设置为评估模式我们定义一个LSTM模型,从头开始训练。return out我们使用均方误差损失函数(MSE),将主要的学生模型输出与目标值的损失和预训练模型输出的损失结合。原创 2024-08-12 18:22:15 · 327 阅读 · 0 评论 -
python 样本熵介绍
本文对样本熵 python 代码进行简单分析,获取每个分量数据的样本熵样本熵的计算不依赖数据长度;样本熵具有更好的一致性,即参数m和r的变化对样本熵的影响程度是相同的。原创 2023-07-31 19:41:57 · 629 阅读 · 0 评论 -
python ADF检验
本文对ADF检验进行研究,python示例代码,不对概念进行分析介绍。ADF检验的原假设是存在单位根,只要这个统计值是小于1%水平下的数字就可以极显著的拒绝原假设,认为数据平稳。注意,ADF值一般是负的,也有正的,但是它只有小于1%水平下的才能认为是及其显著的拒绝原假设。对于ADF结果在1% 以上 5%以下的结果,也不能说不平稳,关键看检验要求是什么样子的。原创 2023-07-31 19:31:54 · 1542 阅读 · 0 评论 -
tcn时空卷积神经网络数据预测
本文主要是时空卷积神经网络(Temporal convolutional network,TCN)进行时序数据分析,预测使用tcn对数据进行预测,可以和lstm等模型进行比较分析tcn也可以进一步优化参数。原创 2023-05-21 16:26:00 · 1330 阅读 · 1 评论 -
LSTM预测汇率涨跌分析
本文主要是采用lstm对汇率涨跌进行预测,是一个二分类的预测问题。原创 2023-05-21 15:58:50 · 552 阅读 · 1 评论 -
PyTorch LSTM单步预测
LSTM 航空乘客预测单步预测的两种情况。简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测简化版使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测。原创 2023-04-13 23:01:04 · 731 阅读 · 0 评论 -
粒子群算法PSO优化LSTM超参数
LSTM 航空乘客预测单步预测的两种情况。简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测简化版使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测。原创 2023-04-09 22:30:40 · 2132 阅读 · 0 评论 -
蚁群算法ACO优化LSTM超参数
LSTM 航空乘客预测单步预测的两种情况。简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测简化版使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测。原创 2023-04-09 22:17:38 · 1459 阅读 · 1 评论 -
麻雀算法SSA优化LSTM超参数
LSTM 航空乘客预测单步预测的两种情况。简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测简化版使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测。原创 2023-03-07 08:32:03 · 5412 阅读 · 16 评论 -
自相关函数和偏自相关函数(ACF、PACF)
前言简单介绍一下自相关函数ACF和偏自相关函数 PACF的计算和图像显示,概念性的东西可以查阅其他资料了解。实例数值计算import statsmodels.tsa.api as smttime_series = [1,2,3,4,5,6,7,8]acf = smt.stattools.acf(time_series)pacf = smt.stattools.pacf(time_series,nlags = 3)print(acf)print(pacf)结果展示[ 1.原创 2021-10-10 16:04:45 · 7991 阅读 · 1 评论 -
LSTM 多变量单步预测空气质量(3 ---》1)
前言LSTM 航空乘客预测单步预测的两种情况。 简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测简化版 使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测采用Co原创 2021-09-02 16:36:45 · 1522 阅读 · 0 评论 -
LSTM 多变量单步预测空气质量(1---》1)
前言LSTM 航空乘客预测单步预测的两种情况。 简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测简化版 使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测采用Co原创 2021-09-02 09:57:04 · 3044 阅读 · 2 评论 -
LSTM 单变量多步预测航空乘客复杂版
前言LSTM 航空乘客预测单步预测的两种情况。 简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测简化版 使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测采用Co原创 2021-08-26 20:00:59 · 2833 阅读 · 5 评论 -
LSTM 单变量多步预测航空乘客简化版
前言LSTM 航空乘客预测单步预测的两种情况。 简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测 使用MLP 对航空乘客预测CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。ConvLSTM 航空乘客预测采用ConvL原创 2021-08-26 19:46:42 · 2147 阅读 · 11 评论 -
LSTM的输入格式和输出个数说明
最近使用LSTM 神经网络进行预测的时候,突然发现对其输入输出不是很清晰,照着大佬们的改改还行,不能深入了解,有点难受呀。下面简单介绍一下。不同预测方式的数据格式要相对应改变LSTM对应数据要正确,其实有些地方对不上的话,也不影响代码正常运行,但是要科学对待。原创 2021-08-26 11:03:14 · 14686 阅读 · 9 评论 -
ConvLSTM 航空乘客预测
前言LSTM 航空乘客预测单步预测的两种情况。 简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测 使用MLP 对航空乘客预测6.CNN + LSTM 航空乘客预测采用的CNN + LSTM网络对其进行预测。本文采用ConvLSTM网络对其进行预原创 2021-08-22 21:03:44 · 3111 阅读 · 5 评论 -
CNN + LSTM 航空乘客预测
LSTM 航空乘客预测单步预测的两种情况。简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器 对航空乘客预测使用MLP 对航空乘客预测本文采用的CNN + LSTM网络对其进行预测。我喜欢直接代码+ 结果展示先代码可以跑通,才值得深入研究每个部分之间的关系;原创 2021-08-22 19:50:36 · 8898 阅读 · 31 评论 -
MLP多层感知器 对航空乘客预测
前言LSTM 航空乘客预测 单步预测和多步预测。 简单运用LSTM 模型进行预测分析。加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。双向LSTM 对航空乘客预测双向LSTM网络对其进行预测。MLP多层感知器的python小例子 对MLP的简单运用本文采用多层感知器网络对其进行预测。我喜欢直接代码+ 结果展示先代码可以跑通,才值得深入研究每个部分之间的关系;进而改造原创 2021-08-22 16:26:15 · 1009 阅读 · 1 评论 -
双向LSTM 对航空乘客预测
前言这篇文章LSTM 航空乘客预测 单步预测和多步预测。 简单运用LSTM 模型进行预测分析。这篇文章加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。这篇文章多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。本文采用双向LSTM网络对其进行预测。我喜欢直接代码+ 结果展示先代码可以跑通,才值得深入研究每个部分之间的关系;进而改造成自己可用的数据。1 数据集链接: https://pan.baidu.com/s/1jv7原创 2021-08-22 15:33:13 · 1924 阅读 · 11 评论 -
多层 LSTM 对航空乘客预测
前言这篇文章LSTM 航空乘客预测 单步预测和多步预测。 简单运用LSTM 模型进行预测分析。这篇文章加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制,将两者进行结合预测。本文采用的多层LSTM网络对其进行预测。我喜欢直接代码+ 结果展示先代码可以跑通,才值得深入研究每个部分之间的关系;进而改造成自己可用的数据。1 数据集链接: https://pan.baidu.com/s/1jv7A2JvIhA6oqvtYnYh9vQ提取码: m5j52 模型2.1原创 2021-08-22 15:06:21 · 1154 阅读 · 3 评论 -
MLP多层感知器的python小例子
前言MLP 简单介绍多层感知器(Multi-Layer Perceptron,MLP)也叫人工神经网络(Artificial Neural Network,ANN)多层感知机层与层之间是全连接的。多层感知机最底层是输入层,中间是隐藏层,最后是输出层。全连接:上一层的任何一个神经元与下一层的所有神经元都有连接。MLP 可以进行分类和回归预测本文进行简单的回归预测。实例解读代码# 单变量多层感知器的例子# 导入包from numpy import arrayfrom keras.原创 2021-08-22 12:13:36 · 1988 阅读 · 0 评论 -
加入注意力机制的LSTM 对航空乘客预测
这篇文章LSTM 航空乘客预测 单步预测和多步预测。简单运用LSTM 模型进行预测分析。想着可以进一步改进LSTM模型,就采用了目前市面上比较流行的注意力机制,将两者进行结合,对LSTM进行改进,其预测效果可能会变好。我喜欢直接代码+ 结果展示先代码可以跑通,才值得深入研究每个部分之间的关系;进而改造成自己可用的数据。注意力机制的作用代码中 LSTM后面连接注意力机制的代码不是说加了注意力机制的LSTM网络一定会好于LSTM,具体要看数据、参数和实验环境等条件。原创 2021-08-21 19:05:43 · 10680 阅读 · 25 评论 -
LSTM 航空乘客预测单步预测的两种情况
近期回顾LSTM 做时间序列数据预测,网上也有很多的教程,在跑这个程序时,遇到一些问题,特此记录分享一下。使用LSTM 进行单步预测和多步预测,LSTM 的输出格式要重新调整,简单演示,不调参数。这篇文章加入注意力机制的LSTM 对航空乘客预测,加了注意力机制的东西,有兴趣可以看看。外国学者写的文章,比较具体,有兴趣可以进去看看。我喜欢直接代码+ 结果展示先代码可以跑通,才值得深入研究每个部分之间的关系;进而改造成自己可用的数据。使用LSTM网络,数据要归一化处理, 格式要处理。原创 2021-08-16 20:56:28 · 7234 阅读 · 20 评论 -
时间序列数据简介
前言1. 引言1.1 时间序列定义1.2 应用场景1.3研究方法的递进2. 时间序列数据2.1 数据的获取2.2 数据时间轴的确定2.3 时间序列遇到问题原创 2021-08-11 19:14:18 · 4748 阅读 · 0 评论 -
时间序列预测方法总结
前言一、 时间序列基本规则法 --周期因子法二、线性回归–利用时间序列特征做线性回归三、 传统时序建模方法-- ARMA、ARIMA四、 时间序列分解-- 加法模型或乘法模型五、 特征工程入手–六 、 转化为监督学习数据集...原创 2021-08-11 19:16:27 · 6738 阅读 · 0 评论