30、家庭用电预测与自动化时间序列预测工具

家庭用电预测与自动化时间序列预测工具

1. 家庭用电预测模型构建

在家庭用电预测中，我们构建了多种模型来预测全球有功功率。以下是这些模型的详细介绍：
- 线性模型 ：

history = compile_and_fit(linear, multi_window)
val_performance['Linear'] = linear.evaluate(multi_window.val)
performance['Linear'] = linear.evaluate(multi_window.test, verbose=0)
multi_window.plot(linear)

线性模型仅包含输入层和输出层，没有隐藏层。通过上述代码训练并评估模型，还可以可视化预测结果。
- 深度神经网络（DNN） ：
为了建模数据中的非线性关系，我们添加了隐藏层。

dense = Sequential([
    Dense(64, activation='relu'),
    Dense(64, activation='relu'),
    Dense(1, kernel_initializer=tf.initializers.zeros),
])
history = compile_and_fit(dense, multi_window)
val_performance['Dense'] = dense.evaluate(mult