技术标签: 未来值 lstm PyTorch 时间序列预测 深度学习 DL pytorch
之前写过几篇有关PyTorch搭建LSTM实现时间序列预测的文章,具体链接如下:
系列文章:
文章写出后有不少人加了我的微信,也探讨了不少问题。这其中大家问得最多的问题是:到底怎么预测真正的未来值呢?而不是简单预测测试集里面的数据。这个问题其实很好解决,但貌似很多人不知道怎么写代码,也不知道怎么在原有代码的基础上改代码。所以,这篇文章我详细讲一下如何预测真正的未来值。
模型训练自不必说。
在对测试集进行预测时,我们已经提前处理好了数据,具体测试代码如下:
def test(args, Dte, lis, path):
# Dtr, Dte, lis1, lis2 = load_data(args, flag, args.batch_size)
pred = []
y = []
print('loading models...')
input_size, hidden_size, num_layers = args.input_size, args.hidden_size, args.num_layers
output_size = args.output_size
if args.bidirectional:
model = BiLSTM(input_size, hidden_size, num_layers, output_size, batch_size=args.batch_size).to(device)
else:
model = LSTM(input_size, hidden_size, num_layers, output_size, batch_size=args.batch_size).to(device)
# models = LSTM(input_size, hidden_size, num_layers, output_size, batch_size=args.batch_size).to(device)
model.load_state_dict(torch.load(path)['models'])
model.eval()
print('predicting...')
for (seq, target) in tqdm(Dte):
target = list(chain.from_iterable(target.data.tolist()))
y.extend(target)
seq = seq.to(device)
with torch.no_grad():
y_pred = model(seq)
y_pred = list(chain.from_iterable(y_pred.data.tolist()))
pred.extend(y_pred)
y, pred = np.array(y), np.array(pred)
m, n = lis[0], lis[1]
y = (m - n) * y + n
pred = (m - n) * pred + n
print('mape:', get_mape(y, pred))
# plot
plot(y, pred)
核心代码:
for (seq, target) in tqdm(Dte):
target = list(chain.from_iterable(target.data.tolist()))
y.extend(target)
seq = seq.to(device)
with torch.no_grad():
y_pred = model(seq)
y_pred = list(chain.from_iterable(y_pred.data.tolist()))
pred.extend(y_pred)
Dte为测试集,对于Dte中的每一个seq我们都知道了其标签target,但在预测未来值时我们只能得到seq,并不知道label。
当前时间为2022/6/6的21:00,我们用前24个小时的负荷值预测未来12个小时的负荷值。现在假设测试集的截止时间就为6/6的21:00,现在我们需要预测22:00到6/7 9:00的负荷值。根据模型的需求,我们需要构造一个seq,seq里面包含了6/6 21:00往前24个时刻的负荷值,这个是真实存在的。
具体代码:
def predict_one_step(model):
data = data_process.load_data()
train = data[:int(len(data) * 0.7)]
test = data[int(len(data) * 0.7):len(data)]
# 取test的最后24个负荷值
load = test[test.columns[1]]
load = load.tolist()
m, n = np.max(load), np.min(load)
load = (load - n) / (m - n)
test = test.values.tolist()
seq = []
for i in range(len(test) - 24, len(test)):
seq.append([load[i]])
seq = [seq]
seq = torch.FloatTensor(seq)
seq = MyDataset(seq)
seq = DataLoader(dataset=seq, batch_size=1, shuffle=False, num_workers=0)
# print(new_seq)
seq = [x for x in iter(seq)][0]
print(seq.shape) # (1, 24, 1) batch_size=1, seq_len=24, input_size=1
# 开始预测
seq = seq.to(device)
with torch.no_grad():
y_pred = model(seq)
y_pred = list(chain.from_iterable(y_pred.data.tolist()))
# y_pred为一个列表,长度为12
return y_pred * (m - n) + n
上述代码的作用是利用测试集中最后24个时刻的值预测未来12个时刻的负荷值,这12值还没被观测到,是真正意义上的未来值。值得注意的是,为了满足模型的需要,即使只预测一个样本,我们也需要将其处理成如下格式的Tensor:
(batch_size=1, seq_len=24, input_size=1)
这里input_size=1,即我们在预测未来值时只考虑负荷值,不考虑其他诸如温度、湿度以及压强等环境因素。
现在我们已经预测完了今晚22:00到6/7 9:00的负荷值,如果我们想接着预测6/7 10:00~21:00的负荷值又该如何操作呢?一般来讲,有以下三种可能:
(1)假设电网有能力实时收集到真实用电负荷值,到明天9:00时,我们已经观测到了今晚22:00到明天9:00的真实值,且这些真实值保存在了数据库中,假设保存在了数组true_list中。那么我们完全可以利用今晚22:00到明天9:00的真实值预测未来12小时的负荷值,具体代码如下:
def predict_1(model, true_list, MAX, MIN):
# 取真实值中最后24个负荷值
true_list = true_list[-24:]
# 构造seq
true_list = (true_list- MIN) / (MAX - MIN)
seq = [[x] for x in true_list]
seq = [seq]
seq = torch.FloatTensor(seq)
seq = MyDataset(seq)
seq = DataLoader(dataset=seq, batch_size=1, shuffle=False, num_workers=0)
# print(new_seq)
seq = [x for x in iter(seq)][0]
print(seq.shape) # (1, 24, 1) batch_size=1, seq_len=24, input_size=1
# 开始预测
seq = seq.to(device)
with torch.no_grad():
y_pred = model(seq)
y_pred = list(chain.from_iterable(y_pred.data.tolist()))
# y_pred为一个列表,长度为12
return y_pred * (MAX - MIN) + MIN
简单来说就是利用真实值列表true_list中最后24个值进行预测。需要注意的是,我们是利用训练集中的最大最小值来对新数据进行归一化与反归一化的。此时,我们是可以计算MAPE的,因为真实值和预测值都存在。
(2)在现实生活中,往往很难及时收集到用电负荷信息,比如我们预测到了明天9:00,在明天9:00时,我们收集不到今晚22:00到明天9:00间的真实负荷值,此时我们就需要利用预测值来进行预测。也就是用一开始得到的今晚22:00到明天9:00间的预测值来预测未来12小时的负荷值,我们假设预测值保存在pred_list中,那么将上面代码中的true_list换成pred_list就可以得到未来12小时的负荷预测值。值得注意的是,此时是不能计算MAPE的,因为真实值尚未观测到。
(3)在明天9:00时,我们也不是一点真实值都没收集到,比如我们收集到了今晚22:00到明早3:00的负荷值,4:00到9:00的真实负荷值虽然已经产生,但电网还没有收集到数据库中。此时我们拥有6个真实值以及6个预测值,那么此时我们就可以用6个真实值加6个预测值,以及今晚9:00之前的12个真实值组成1个seq进行预测。一个大的前提:尽量使用真实值进行预测。
上面的例子都是单变量预测,如果是多变量预测,情况将变得复杂一点。假设我们利用负荷值、温度、湿度以及压强四个变量来预测负荷。在我们预测今晚22:00到明早9:00的负荷值时,我们可以利用测试集中的数据进行预测。但当我们需要预测明早9:00之后的负荷值时,我们需要同时考虑是否收集到了真实的温度、湿度以及压强值。一般来讲,这些环境变量的收集比负荷数据的收集更加容易,也就是上述第二节中的第一种情况。
如果我们无法及时收集到负荷值,我们可以利用预测值进行预测;如果我们无法及时收集到温度、湿度以及压强值,我们也只能利用预测值进行预测。这就意味着,我们需要额外训练三个模型来分别预测温度、湿度以及压强,由于这三个变量和负荷一一对应,也属于时序数据,我们也可以采用LSTM进行预测,如果其变化幅度不大也可以采用传统的机器学习算法进行预测。
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法