Pytorch实现CNN时间序列预测

曾经推出过PyTorch实现的LSTM时间序列预测，并开源了其源码。细心的童鞋可能发现了，我之前使用的LSTM是生成式模型，而不是使用判别式进行预测。换言之，就是将序列本身作为输入，下一时刻作为输出，模型表达的是序列的联合概率分布。有兴趣的可以将其改写为判别模型。

此处将使用卷积神经网络（CNN）用于时间序列预测。区别于图像处理（二维卷积如图所示）模型如下：

C1表示卷积操作1

S2表示max-pooling

C3表示卷积操作2

S4表示max-pooling

最后再接一层全连接层输出

CNN用于序列预测时使用的是一维卷积，也就是我们熟悉的离散序列的卷积和，具体公式可以表示为：

a=｛a₀，a₁,a₂,…,a_m｝，L(a)=m+1

b=｛b₀,b₁,b₂,…,b_k｝，L(b)=k+1

用a*b表示a与b卷积后得到的一个新序列。

卷积公式

记a*b中第n个元素为（a*b）_n，则