本篇文章主要考虑用PyTorch搭建LSTM实现多变量多步长时间序列预测。 II. 数据处理 数据集为某个地区某段时间内的电力负荷数据,除了负荷以外,还包括温度、湿度等信息。 本文中,我们根据前24个时刻的负荷以及该时刻的环境变量来预测接下来4个时刻的负荷(步长可调)。 任意输出其中一条数据: (tensor([[0.5830, 1.0000,...
我们的目标是根据前24个时刻的负荷和环境变量，预测接下来的4个时刻的负荷，允许用户调整预测步长。数据格式为(X, Y)，其中X包含24行数据，对应前24个时刻的负荷和环境变量，而Y包含四个预测值，代表接下来4个时刻的负荷预测结果。