文件名称：DeepLearningTimeSeries:深度学习模型比较以进行时间序列预测
文件大小：1.86MB
文件格式：ZIP
更新时间：2024-06-06 11:13:03
Python
风力发电预测 这是根据我的硕士论文进行的一项实验，其主要重点是比较应用于时间序列问题的不同深度学习策略。 这项研究仅集中在循环和卷积体系结构上。 数据 数据由RedesEnergéticasNacionais（REN）收集，并基于葡萄牙电力系统中注入的风力。 从2010年第一天到2016年最后一天，它以15分钟的分辨率进行了采样。所收集的数据适用于与REN遥测系统相连的所有风电场。 数据在data文件夹下。 客观的 主要任务是对产生的风力进行预测。 将要预测三个视野。 一小时，六小时和24小时，这意味着在提前一小时的预测中将预测4分（15、30、45和60分钟）。 演算法 测试了以下体系结构列表： RNN架构[RNN + GRU + LSTM单元] 扩张式递归架构 编码器-解码器体系结构 编码器-解码器+注意系统体系结构 准RNN Wavenet TCN 有关模型的详细说明，请检查链接
【文件预览】：
DeepLearningTimeSeries-master
----.gitignore(143B)
----requirements.txt(96B)
----data()
--------wind_15min.csv(6.97MB)
----LICENSE(1KB)
----mypackage()
--------setup.py(273B)
--------MyPackage()
----scripts()
--------Dockerfile(2KB)
--------EncDecScript.py(8KB)
--------RNNScript.py(10KB)
--------WaveNetScript.py(8KB)
--------docker_launch.sh(7KB)
----README.md(4KB)
----figures()
--------WindPower.png(45KB)