使用LSTM预测空气质量pm2.5

最新推荐文章于 2025-05-13 14:21:18 发布

阿君聊风控

最新推荐文章于 2025-05-13 14:21:18 发布

阅读量9.3k

点赞数 8

CC 4.0 BY-SA版权

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/u010569893/article/details/103986821

使用LSTM预测时间序列数据

文章目录

背景

复现 @“使用Keras进行LSTM实战” https://blog.youkuaiyun.com/u012735708/article/details/82769711 中的实验
熟悉用LSTM模型训练
验证将时序数据转化为分类问题后，预测是否有效果
对比SimpleRNN与LSTM模型哪个效果最好？
验证LSTM相比于Dense()模型是否有提升？
对比使用前3天的数据和使用前1天的数据哪个效果最好？

结论

使用前3天的数据预测当天的空气质量的效果没有比只用前一天的数据好
使用LSTM的效果优于SimpleRNN

代码

from pandas import read_csv
from datetime import datetime
import pandas as pd
from pandas import DataFrame
from sklearn.preprocessing import LabelEncoder,MinMaxScaler
from sklearn.metrics import mean_squared_error
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.layers import LSTM
from keras.layers.recurrent import SimpleRNN
from numpy import concatenate
from math import sqrt


# load data
def parse(x):
	return datetime.strptime(x, '%Y %m %d %H')
 
def read_raw():
    dataset = pd.read_csv('raw.csv',  parse_dates = [['year', 'month', 'day', 'hour']], index_col=0, date_parser=parse)
    dataset.drop('No', axis=1, inplace=True)
    # manually specify column names
    dataset.columns = ['pollution', 'dew', 'temp', 'press', 'wnd_dir', 'wnd_spd', 'snow', 'rain']
    datase