多步 LSTM 时间序列预测答案

【问题标题】：Multi-step LSTM Time series prediction多步 LSTM 时间序列预测
【发布时间】：2021-09-08 21:47:44
【问题描述】：

我正在尝试为多步预测构建 LSTM 模型。我的数据是每五分钟采样一次的停车占用率时间序列（我有 25 周的样本）。我开始创建如下代码：

import numpy as np
training_data_len = int(np.ceil( len(data) * .90 ))
train_data = data.iloc[0:int(training_data_len), :]
print(len(train_data))
# Create the testing data set

test_data = data.iloc[training_data_len: , :] # - timestep
print(len(test_data))

data_train = np.array(train_data)
def split_sequence(sequence, n_steps_in, n_steps_out):
    X, y = list(), list()
    for i in range(len(sequence)):
        # find the end of this pattern
        end_ix = i + n_steps_in
        out_end_ix = end_ix + n_steps_out
        # check if we are beyond the sequence
        if out_end_ix > len(sequence):
            break
        # gather input and output parts of the pattern
        seq_x, seq_y = sequence[i:end_ix], sequence[end_ix:out_end_ix]
        X.append(seq_x)
        y.append(seq_y)
    return array(X), array(y)

X_train, y_train = [], []
X_train, y_train = split_sequence(data_train,6,6)

reg = Sequential()
reg.add(LSTM(units = 200,return_sequences=True, input_shape=(1,1)))#, return_sequences=True , activation = 'relu' 
reg.add(Dropout(0.2))

reg.add(LSTM(units = 200,return_sequences=True)) #, activation = 'relu'
reg.add(Dropout(0.2))
reg.add(LSTM(units = 200,return_sequences=True)) #, activation = 'relu'
reg.add(Dropout(0.2))

reg.add(Dense(6,))
#here we have considered loss as mean square error and optimizer as adam

reg.compile(loss='mse', optimizer='adam')
#training the model
#,validation_split=0.1,
#    shuffle=False
reg.fit(X_train, y_train, epochs = 10,verbose=1)

data_test = np.array(test_data)
#here we are splitting the data weekly wise(7days)

X_test, y_test = split_sequence(data_test,6,6)

y_pred = reg.predict(X_test)

我的目标是使用过去 30 分钟（6 个样本 =30 分钟）预测接下来的 30 分钟（6 个样本 =30 分钟）。

我是这些模型的新手，我想知道我是否工作得很好，或者有什么我遗漏或改进的地方。谢谢

【问题讨论】：

问题是什么？（编辑标题）有什么问题？如果它有效，那么（如果我错了，请原谅我）但我相信 Stackoverflow 可能不是要问的确切地方，但无论如何我会尽力提供帮助，因为我是一个反叛者！ :)
抱歉，我正在尝试了解我的方法是否适合多步任务

标签： python time-series lstm prediction multi-step

【解决方案1】：

问题：我的方法有问题吗？

通常，您可能想尝试多个模型和多个超参数。如果它是一个玩具项目，你至少应该尝试多个模型。在设置参数之前，请确保您了解每个模型的工作原理。

您可能希望输入的数据多于输出的数据。进入 1 小时，预测 10 分钟。

您可能希望在运行任何代码之前进行一些数据分析，以深入了解哪些方法可能有效。使其可视化，创建类似 PCA 的图形（可能不适用于时间序列）。

谈论模型：您可以将 LSTM 替换为 Transformer。它可以将更多信息保留更长时间。这是一种新型模型，在各个方面都优于 LSTM。

如果您对数据科学或机器学习有任何疑问，您应该尝试使用 datascience.StackExchange 而不是 StackOverflow。在这里，我们应该帮助快速、快速地响应代码。 ;)

【讨论】：