多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合

前言

本文基于前期介绍的电力变压器，介绍一种基于CNN-LSTM网络的多步预测模型。

1、电力变压器数据预处理与可视化

1.1 导入数据

1.2 多步预测预处理

2 、基于CNN-LSTM的多步预测模型

2.1 定义CNN-LSTM网络模型

2.2 设置参数，训练模型

50个epoch，MSE 为0.000311，CNN-LSTM多步预测模型预测效果显著，模型能够充分提取序列的时空特征，收敛速度快，性能优越，预测精度高，适当调整模型参数，还可以进一步提高模型预测表现。

注意调整参数：

• 可以适当增加CNN层数和每层通道数，微调学习率；
• 调整LSTM层数和每层神经元个数，增加更多的 epoch （注意防止过拟合）
• 可以改变滑动窗口长度（设置合适的窗口长度）

3 结果可视化和预测、模型评估

3.1 预测结果可视化

3.2 加载模型进行预测

3.3 模型评估

点击下载：原文完整数据、Python代码​​https://mbd.pub/o/bread/ZpWYmJps​​​

本文转载自​​建模先锋​​，作者： 小蜗爱建模