weixin_61003246的博客

原创 博客摘录「 CNN+LSTM+Attention实现时间序列预测」2024年1月11日

规定输入数据的格式（批大小，时间步数，特征维度），将批大小默认为１，时间步数记为ｔ，特征维度记为ｎ，则一条样本可表示为一个实数序列矩阵Ｒｔ×ｎ，记ｘｉ 为Ｒｔ×ｎ 中第ｉ个时间步数据的向量表示。第二层是卷积神经网络层（CNN 层）。CNN 层可以提取数据中不同特征值之间的空间联系，进而弥补 ＬＳＴＭ 无法捕获数据空间分量的缺点，同时它提取出的特征仍然具有时序性。样本数据进入ＣＮＮ 层中会依次进行卷积、池化和节点展开（降维）操作。针对序列数据，本模型采取一维卷积，卷积核只按照单一的时域方向进行卷积。