时间序列模型SCINet模型（自定义项目）

最新推荐文章于 2025-10-25 17:02:06 发布

原创

最新推荐文章于 2025-10-25 17:02:06 发布 · 4.4k 阅读

47 ·

CC 4.0 BY-SA版权

文章标签：

#python #深度学习 #人工智能 #时间序列 #SCINet

前言

读完代码解析篇，我们针对开源项目中的模型预测方法做一下介绍。Github源码下载地址
下载数据集ETTh、PEMS、Traffic、Splar-Energy、Electricity、Exchange-Rate，这几类公共数据集的任意一类就行。这里以ETTh数据集为例，先在项目文件夹下新建datasets文件夹，然后将数据集移至其中
打开项目文件夹下run_ETTh.py文件，只需要检查一下数据路径、名称和csv文件就行

# 数据名称
parser.add_argument('--data', type=str, required=False, default='ETTh1', choices=['ETTh1', 'ETTh2', 'ETTm1'], help='name of dataset')
# 数据路径
parser.add_argument('--root_path', type=str, default='./datasets/', help='root path of the data file')
# 数据文件
parser.add_argument('--data_path', type=str, default='ETTh1.csv', help='location of the data file')

然后跑一下，看看跑不跑的通，注意一定要是在GPU环境下，否则报错，后面的自定义项目是建立在原代码能跑通的情况下。

自定义项目

参数设定修改

首先将需要预测的数据集放入datasets文件夹中，时间列列名必须为date。
然后我们复制run_ETTh.py文件，并粘贴在项目文件夹下，重命名为run_power.py这个名字随便取，别和已有文件重复就行。
打开run_power.py文件，修改开头库导入部分，主要是最后一句，要导入Exp_power

import argparse
import os
import torch
import numpy as np
from torch.utils.tensorboard import SummaryWriter
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
from experiments.exp_power import Exp_power

修改数据载入部分，包括数据名称、路径、文件、目标预测列、采样间隔（我用的数据集是每1分钟收集一次数据，所以参数设为t）

# 数据名称
parser.add_argument('--data', type=str, required=False, default='power data', choices=['ETTh1', 'ETTh2', 'ETTm1'], help='name of dataset')
# 数据路径
parser.add_argument('--root_path', type=str, default='./datasets/', help='root path of the data file')
# 文件名
parser.add_argument('--data_path', type=str, default='power data.csv', help='location of the data file')
# 多变量预测
parser.add_argument('--features', type=str, default='M', choices=['S'