Keras【极简】LSTM【时序预测】

最新推荐文章于 2025-05-07 05:00:00 发布

原创

最新推荐文章于 2025-05-07 05:00:00 发布

· 2.6k 阅读

8 ·

版权

本文详细介绍如何使用LSTM神经网络对单一时序数据及多时序数据进行预测，通过具体实例展示了从数据准备到模型构建、训练及预测的全过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

1、序言
2、仅用时序y进行预测
3、使用全部时序进行预测

1、序言

样本介绍

现有一样本，含3个时序【y、y1、y2】，其中【y】受【y1、y2】影响

目标

对【时序y】进行预测

import numpy as np, matplotlib.pyplot as mp
x_len = 1075
x = np.linspace(0, np.pi * 10.75, x_len, endpoint=False)
y = np.cos(x) + np.sin(x * 5) * .2  # y是由y1和y2组成
y1 = np.sin(x) + 2.6
y2 = np.cos(x * 5) * .2 + 1.4
mp.plot(x, y1, 'y', label='y1')
mp.plot(x, y2, label='y2')
mp.plot(x, y, 'g', label='y', linewidth=2)
mp.legend()
mp.show()

在这里插入图片描述

2、仅用时序y进行预测

import numpy as np, matplotlib.pyplot as mp
from keras.models import Sequential
from keras.layers import Dense, LSTM

"""创建样本"""
x_len = 1075
x = np.linspace(0, np.pi * 10.75, x_len, endpoint=False)
# y1 = np.sin(x) - 2
# y2 = np.cos(x * 5) * .2
y = np.cos(x) + np.sin(x * 5) * .2  # y受由y1和y2影响
y = (y - min(y