使用LSTM进行天气变化的时间序列预测

最新推荐文章于 2025-05-06 08:37:41 发布

Primary11

最新推荐文章于 2025-05-06 08:37:41 发布

阅读量522

点赞数 4

文章标签： lstm 人工智能 rnn

本文链接：https://blog.youkuaiyun.com/weixin_43729592/article/details/145093934

版权

文章目录

1. 导入库并加载数据

import torch
import torch.nn as nn
import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
from torch.utils.data import DataLoader, Dataset
from torch.utils.data import TensorDataset
import matplotlib.pyplot as plt
from tqdm import tqdm  # 导入tqdm库
import warnings  # 避免一些可以忽略的报错
warnings.filterwarnings('ignore')  # filterwarnings()方法是用于设置警告过滤器的方法
plt.rcParams['font.sans-serif'] = ['SimHei']  # 正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号

# 加载数据集
train_df = pd.read_csv("data.csv")
print(f"len(train_df): {
     len(train_df)}")
train_df.head()

在这里插入图片描述


# 获取温度数据并展示
temp = train_df['T (degC)'].values
print(f"len(temp): {
     len(temp)}")    #  len(temp):52557
plt.plot([i for i in range(len(temp))], temp)

在这里插入图片描述

导入必要的库，包括 PyTorch、Pandas、Numpy、sklearn、Matplotlib 等。
读取数据集并查看数据的前几行。
提取 T (degC) 列并绘制温度随时间变化的图表。

2. 数据归一化与划分

# 2. 数据归一化
scaler = MinMaxScaler(feature_range=(-1, 1))
temp = temp.reshape(-1, 1)
scaled_data = scaler.fit_transform(temp)

# 数据划分函数
def split_data(data, seq_length=50):
    dataX = []
    datay = []
    for i in range(len(data)-seq_length):
        dataX.append