python滚动预报 学习笔记

现有的Python实现的是模型的训练。训练结束后，还要对未来的气候进行预测。根据实验室已有的经验，预测方法有一对多和一对一。这里我们首先学习一对一，也就是实现滚动预测。

对于n步预测模型，常见的模型通常采用滚动预测方法实现，即通过t时刻及之前的时刻数据预测得到t+1时刻的数据，然后将t+1时刻的数据作为已知量带入的模型中再次预测t+2时刻的数据，重复n步，得到n步预测结果。然而，模型的多次滚动会使预测误差产生累计效应，不利于高精度预测。因此，本章通过对每一步均建立一个独立模型，进而集成n个模型的预测结果，实现多步预测。

先不加气象因子实现径流滚动预测。

我直接改吧。边改边想思路。

    for k in range(0,len(x_trains)):
        print("########################第"+str(k)+"个分解模态############################")
           
        if models[k] is None:
            model = build_model(prediction_steps)
            try:

根据师兄的论文，他的方法是每预测一次，都训练一遍模型。我只预测接下来3个月的，所以多构建几个模型应该还行。

按照国际惯例，先把epochs=100设置成3，减少迭代次数。

文件名字先设置成：lstm-runoff-forecasting-3

我感觉我感觉就都只是训练集，不设置测试集就行了。

    # Split data into training and testing sets
    train_set_ratio = 0.8
    row = int(round(train_set_ratio * len(windowed_data)))

这个部分是用来划分训练集和测试集的。那么我觉得这里应该不能划分，直接给训练集。测试集是训练集预测的一个数据。

测试集是测试集的最后一个窗口数据再往后，把数据集的最后一个值给窗口，用训练好的模型来跑结果。

    row = int(len(windowed_data)-1)

这个画图只需要画出训练集的对比

我现在有的python代码，一个是气象因子+lstm。一个是vmd+lstm。

我觉得加上气象因子的话，预报也就要预报气象因子。还是有点麻烦的。

如果不加气象因子，得到的结果没有办法和师兄的结果相对照。所以还是加一下气象因子。

最后一个数据是只有x-test，没有y-test

    #用来预测的第一个数据

    prediction_datas_one = []
    prediction_datas_one = np.array(prediction_datas_one)
    prediction_datas_one = np.append(prediction_datas_one, cf[len(runoff)-7: len(runoff)-3])
    prediction_datas_one = np.append(prediction_datas_one,cf[len(runoff)-1: len(runoff)])
    prediction_datas_one = np.append(prediction_datas_one, nino[len(runoff)-6: len(runoff)-4])
    prediction_datas_one = np.append(prediction_datas_one, ido[len(runoff)-10: len(runoff)-8])
    prediction_datas_one = np.hstack((prediction_datas_one, runoff[len(runoff)-36:len(runoff)-35], runoff[len(runoff)-24:len(runoff)-21], runoff[len(runoff)-12: len(runoff)]))
    prediction_datas_one = np.array(prediction_datas_one)

手动设置预测的数据，那么下面就把所有数据都设置成训练集，我们这里不设置测试集？？？

不对，如果不设置测试集，你就不知道你的模型合不合适。这两个不能弄混，因为根据以前的结果，训练集的拟合程度优于测试集。

我现在想的是用来预测的第一个数据能不能变成一个函数。每次需要这个数据的数据的时候调用就行。因为我要预测未来一年的不能写十二个把，用来预测的第一个，用来预测的第二个。。。

np.reshape()方法，把下面一种数据格式变成另一种数据格式

    prediction_datas_one = np.reshape(prediction_datas_one, (len(prediction_datas_one), 1))

又一个瓶颈来了！反复出现这个错误。

是这个问题吗？不是

师兄点醒我了，这个报错提示的是维度不正确，期望3个维度，输入的却是2个维度。（所以一定要认真的看报错啊喂！）

python数组增加维度_Numpy 改变数组维度的几种方法小结

解决的方法参照了以上的博客

哈哈，成功解决！

epochs = 3

batch_size=1

这两个参数一改，预测的值都会变 所以到了观众们喜闻乐见的该参数环节··· 然而这个预测了以后怎么办呢？难道气象因子也都要预测，然后再重新预测嘛？

好了，对未来预测是项目需要的东西，就到这吧。下面想一想论文思路。