energy_forecasting_LSTM_vs_FCNN:使用ASHRAE的数据库在Kaggle的Great Energy Predictor III竞赛中对LSTM模型和FCNN进行的能源预测项目进行比较-源码

上传者: 42122306 | 上传时间: 2021-08-17 16:19:49 | 文件大小: 12.48MB | 文件类型: ZIP
在Pytorch上使用LSTM模型进行能量预测 以下存储库包含几个笔记本,可与ASHRAE的数据库配合使用,以应对Kaggle上的Great Energy Predictor III竞赛。 我们将第三个模型与其他两个模型之间的问题框架稍有不同的三个模型进行比较。 它们的网络性质不同,前两个是LSTM RNN模型,第三个是简单FCNN模型。 然后将结果进行比较,然后评估有关在预测问题上使用LSTM的便利性的一些观察结果。 训练和评估模型所用的数据对应于住宅建筑物的电力负荷,以及来自最近车站的每小时气象数据。 您可以在找到原始数据和数据描述。

文件下载

资源详情

[{"title":"( 20 个子文件 12.48MB ) energy_forecasting_LSTM_vs_FCNN:使用ASHRAE的数据库在Kaggle的Great Energy Predictor III竞赛中对LSTM模型和FCNN进行的能源预测项目进行比较-源码","children":[{"title":"energy_forecasting_LSTM_vs_FCNN-main","children":[{"title":"data","children":[{"title":"images","children":[{"title":"model1_performance.png <span style='color:#111;'> 67.53KB </span>","children":null,"spread":false},{"title":"model2_performance.png <span style='color:#111;'> 68.07KB </span>","children":null,"spread":false},{"title":"model1_overall_performance.png <span style='color:#111;'> 64.97KB </span>","children":null,"spread":false},{"title":"model2_overall_performance.png <span style='color:#111;'> 63.62KB </span>","children":null,"spread":false}],"spread":true},{"title":"models","children":[{"title":"model_3_checkpoint.tar <span style='color:#111;'> 6.82MB </span>","children":null,"spread":false},{"title":"model_2_checkpoint.tar <span style='color:#111;'> 2.77MB </span>","children":null,"spread":false},{"title":"model_1_checkpoint.tar <span style='color:#111;'> 1.71MB </span>","children":null,"spread":false}],"spread":true},{"title":"clean","children":[{"title":"full_data.csv <span style='color:#111;'> 1.61MB </span>","children":null,"spread":false},{"title":"test_set.csv <span style='color:#111;'> 1.04MB </span>","children":null,"spread":false},{"title":"train_set.csv <span style='color:#111;'> 437.56KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"3_model_2_pytorch.ipynb <span style='color:#111;'> 3.75MB </span>","children":null,"spread":false},{"title":"2_DataVisualization.ipynb <span style='color:#111;'> 12.38MB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 880B </span>","children":null,"spread":false},{"title":"3_model_1_pytorch.ipynb <span style='color:#111;'> 2.04MB </span>","children":null,"spread":false},{"title":"4_ImplementedModels_2_keras_DRAFT.ipynb <span style='color:#111;'> 80.52KB </span>","children":null,"spread":false},{"title":"1_DataPrewiew_Organizing.ipynb <span style='color:#111;'> 72.77KB </span>","children":null,"spread":false},{"title":"4_ImplementedModels_1_keras_DRAFT.ipynb <span style='color:#111;'> 1.21MB </span>","children":null,"spread":false},{"title":"0_CollectingData.ipynb <span style='color:#111;'> 2.06KB </span>","children":null,"spread":false},{"title":"3_model_3_pytorch.ipynb <span style='color:#111;'> 1.99MB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

  • wy_zsh :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-04

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明