DeepLearningTimeSeries:深度学习模型比较以进行时间序列预测-源码

上传者: 42146086 | 上传时间: 2021-07-16 11:18:39 | 文件大小: 1.86MB | 文件类型: ZIP
风力发电预测 这是根据我的硕士论文进行的一项实验,其主要重点是比较应用于时间序列问题的不同深度学习策略。 这项研究仅集中在循环和卷积体系结构上。 数据 数据由RedesEnergéticasNacionais(REN)收集,并基于葡萄牙电力系统中注入的风力。 从2010年第一天到2016年最后一天,它以15分钟的分辨率进行了采样。所收集的数据适用于与REN遥测系统相连的所有风电场。 数据在data文件夹下。 客观的 主要任务是对产生的风力进行预测。 将要预测三个视野。 一小时,六小时和24小时,这意味着在提前一小时的预测中将预测4分(15、30、45和60分钟)。 演算法 测试了以下体系结构列表: RNN架构[RNN + GRU + LSTM单元] 扩张式递归架构 编码器-解码器体系结构 编码器-解码器+注意系统体系结构 准RNN Wavenet TCN 有关模型的详细说明,请检查链接

文件下载

资源详情

[{"title":"( 25 个子文件 1.86MB ) DeepLearningTimeSeries:深度学习模型比较以进行时间序列预测-源码","children":[{"title":"DeepLearningTimeSeries-master","children":[{"title":".gitignore <span style='color:#111;'> 143B </span>","children":null,"spread":false},{"title":"requirements.txt <span style='color:#111;'> 96B </span>","children":null,"spread":false},{"title":"data","children":[{"title":"wind_15min.csv <span style='color:#111;'> 6.97MB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 1.07KB </span>","children":null,"spread":false},{"title":"mypackage","children":[{"title":"setup.py <span style='color:#111;'> 273B </span>","children":null,"spread":false},{"title":"MyPackage","children":[{"title":"Trainer.py <span style='color:#111;'> 20.38KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 193B </span>","children":null,"spread":false},{"title":"DataReader.py <span style='color:#111;'> 20.25KB </span>","children":null,"spread":false},{"title":"models","children":[{"title":"__init__.py <span style='color:#111;'> 195B </span>","children":null,"spread":false},{"title":"RNN","children":[{"title":"Model.py <span style='color:#111;'> 14.20KB </span>","children":null,"spread":false},{"title":"QRNN.py <span style='color:#111;'> 15.31KB </span>","children":null,"spread":false},{"title":"TCN.py <span style='color:#111;'> 2.58KB </span>","children":null,"spread":false},{"title":"DRNN.py <span style='color:#111;'> 4.46KB </span>","children":null,"spread":false}],"spread":true},{"title":"EncoderDecoder","children":[{"title":"Model.py <span style='color:#111;'> 19.49KB </span>","children":null,"spread":false}],"spread":false},{"title":"wavenet","children":[{"title":"WaveNet.py <span style='color:#111;'> 17.58KB </span>","children":null,"spread":false},{"title":"WaveNetContinuos.py <span style='color:#111;'> 13.67KB </span>","children":null,"spread":false}],"spread":false}],"spread":true},{"title":"utils.py <span style='color:#111;'> 5.41KB </span>","children":null,"spread":false},{"title":"FileLogger.py <span style='color:#111;'> 7.95KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"scripts","children":[{"title":"Dockerfile <span style='color:#111;'> 2.01KB </span>","children":null,"spread":false},{"title":"EncDecScript.py <span style='color:#111;'> 8.02KB </span>","children":null,"spread":false},{"title":"RNNScript.py <span style='color:#111;'> 9.71KB </span>","children":null,"spread":false},{"title":"WaveNetScript.py <span style='color:#111;'> 7.71KB </span>","children":null,"spread":false},{"title":"docker_launch.sh <span style='color:#111;'> 6.82KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 4.35KB </span>","children":null,"spread":false},{"title":"figures","children":[{"title":"WindPower.png <span style='color:#111;'> 44.83KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

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