output_dim)def forward(self, x):x=x.transpose(1, 2)# Convert to (batch_size, channels, sequence_length)x=self.tcn(x)x=x[:, :, -1]# Take the last time stepx=self.linear(x)returnxinput_dim=X_train.shape[2]hidden_dim=64layer_dim=2output...
独家原创 | 并行预测模型 | 基于 Informer + TCN-SENet的并行预测模型本期基于某风电功率数据集,提出一种Informer+TCN-SENet并行预测模型,在单步预测任务中预测效果提升明显!● 数据集:某风电场风电功率数据集、电力数据集、风速数据集等● 环境框架:python 3.9 pytorch 1.8 及其以上版本均可运行● 单步预测模型分数...