查看: 4366|回复: 1

使用LSTM预测空气质量pm2.5

字体大小: 正常放大

1178 主题	15 听众	1万积分

TA的每日心情

	开心 2023-7-31 10:17

签到天数: 198 天

[LV.7]常住居民III

自我介绍: 数学中国浅夏

电梯直达

1^#

发表于 2021-10-15 10:53 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

使用LSTM预测时间序列数据

文章目录
背景
结论
代码
实验结果
RNN和DNN的区别
RNN和LSTM的区别
背景
复现 @“使用Keras进行LSTM实战” https://blog.csdn.net/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']
dataset.index.name = 'date'
# mark all NA values with 0
dataset['pollution'].fillna(0, inplace=True)
# drop the first 24 hours
dataset = dataset[24:]
# summarize first 5 rows
print(dataset.head(5))
# save to file
dataset.to_csv('pollution.csv')

# convert series to supervised learning
def series_to_supervised(data, n_in=1, n_out=1, dropnan=True):
n_vars = 1 if type(data) is list else data.shape[1]
df = DataFrame(data)
cols, names = list(), list()
# input sequence (t-n, ... t-1)
for i in range(n_in, 0, -1):
      cols.append(df.shift(i))
      names += [('var%d(t-%d)' % (j+1, i)) for j in range(n_vars)]
# forecast sequence (t, t+1, ... t+n)
for i in range(0, n_out):
      cols.append(df.shift(-i))
      if i == 0:
         names += [('var%d(t)' % (j+1)) for j in range(n_vars)]
      else:
         names += [('var%d(t+%d)' % (j+1, i)) for j in range(n_vars)]
# put it all together
agg = pd.concat(cols, axis=1)
agg.columns = names
# drop rows with NaN values
if dropnan:
      agg.dropna(inplace=True)
return agg

# load dataset
dataset = read_csv('pollution.csv', header=0, index_col=0)
values = dataset.values

# integer encode direction
encoder = LabelEncoder()
print(values[:,4])
values[:,4] = encoder.fit_transform(values[:,4])
# ensure all data is float
values = values.astype('float32')
# normalize features
scaler = MinMaxScaler(feature_range=(0, 1))
scaled = scaler.fit_transform(values)
# frame as supervised learning
reframed = series_to_supervised(scaled, 1, 1)
#reframed = series_to_supervised(scaled, 3, 1) #用前3天的数据，预测当天的数据
print("columns:", reframed.columns)
# drop columns we don't want to predict
reframed.drop(reframed.columns[[9,10,11,12,13,14,15]], axis=1, inplace=True) #用前1天的数据，预测当天的数据
#reframed.drop(reframed.columns[[25,26,27,28,29,30,31]], axis=1, inplace=True)#用前3天的数据，预测当天的数据
print(reframed.head())
print("new columns:", reframed.columns)
# split into train and test sets
values = reframed.values
n_train_hours = 365 * 24
train = values[:n_train_hours, :]
test = values[n_train_hours:, :]
# split into input and outputs
train_X, train_y = train[:, :-1], train[:, -1]
test_X, test_y = test[:, :-1], test[:, -1]
# reshape input to be 3D [samples, timesteps, features]
#使用Dense()模型时不用变换
train_X = train_X.reshape((train_X.shape[0], 1, train_X.shape[1]))
test_X = test_X.reshape((test_X.shape[0], 1, test_X.shape[1]))
print(train_X.shape, train_y.shape, test_X.shape, test_y.shape)
# design network
model = Sequential()
#model.add(LSTM(50, input_shape=(train_X.shape[1], train_X.shape[2])))
#model.add(Dense(50, activation='relu', input_dim = 8))
model.add(SimpleRNN(50, input_shape=(train_X.shape[1], train_X.shape[2])))
model.add(Dense(1))
model.compile(loss='mae', optimizer='adam')
# fit network
history = model.fit(train_X, train_y, epochs=50, batch_size=72, validation_data=(test_X, test_y), verbose=2, shuffle=False)
# make a prediction
yhat = model.predict(test_X)
print("yhat shape:", yhat.shape)
'''
计算在测试集上的均方差
test_X = test_X.reshape((test_X.shape[0], test_X.shape[2]))
print("test_X shape:", test_X.shape)

# invert scaling for forecast
inv_yhat = concatenate((yhat, test_X[:, 1:]), axis=1)
inv_yhat = scaler.inverse_transform(inv_yhat)
inv_yhat = inv_yhat[:,0]
# invert scaling for actual
test_y = test_y.reshape((len(test_y), 1))
inv_y = concatenate((test_y, test_X[:, 1:]), axis=1)
print("inv_y:", inv_y[:10])
print("inv_y shape:", inv_y.shape)

inv_y = scaler.inverse_transform(inv_y)
print(inv_y, "*"*30)

inv_y = inv_y[:,0]
# calculate RMSE
rmse = sqrt(mean_squared_error(inv_y, inv_yhat))
print(inv_y[:100], inv_yhat[:100])
print('Test RMSE: %.3f' % rmse)

'''
实验结果
实验1：用前一天的天气数据，预测某一天的空气质量
使用LSTM模型
结果：
Epoch 49/50
0s - loss: 0.0144 - val_loss: 0.0133
Epoch 50/50
0s - loss: 0.0144 - val_loss: 0.0133

实验2：用前3天的天气数据，预测某一天的空气质量
使用LSTM模型

结果：
Epoch 49/50
0s - loss: 0.0147 - val_loss: 0.0149
Epoch 50/50
0s - loss: 0.0147 - val_loss: 0.0150

实验3：用前一天的天气数据，预测某一天的空气质量
使用普通的全连接模型 Dense()
结果：
Epoch 49/50
0s - loss: 0.0144 - val_loss: 0.0146
Epoch 50/50
0s - loss: 0.0148 - val_loss: 0.0151

实验4：用前三天的天气数据，预测某一天的空气质量
使用普通的全连接模型 Dense()
结果：
Epoch 49/50
0s - loss: 0.0150 - val_loss: 0.0165
Epoch 50/50
0s - loss: 0.0148 - val_loss: 0.0141

实验5：用前一天的天气数据，预测某一天的空气质量
使用SimpleRNN
Epoch 49/50
0s - loss: 0.0160 - val_loss: 0.0140
Epoch 50/50
0s - loss: 0.0147 - val_loss: 0.0150

实验6：用前三天的天气数据，预测某一天的空气质量
使用SimpleRNN
Epoch 49/50
0s - loss: 0.0164 - val_loss: 0.0233
Epoch 50/50
0s - loss: 0.0166 - val_loss: 0.0227
RNN和DNN的区别

RNN中的循环是指一个序列当前的输出与前面的输出也有关系。也就是说，网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐层之间的节点不再是无连接的而是有连接的，并且隐层的输入不仅包括输入层的输出还包括上一时刻隐层的输出。

RNN和LSTM的区别
LSTM的内部结构通过门控状态来控制传输状态，记住需要长时间记忆的，忘记不重要的信息；而不像普通的RNN那样只能够“呆萌”地仅有一种记忆叠加方式。对很多需要“长期记忆”的任务来说，尤其好用。

但也因为引入了很多内容，导致参数变多，也使得训练难度加大了很多。因此很多时候我们往往会使用效果和LSTM相当但参数更少的GRU来构建大训练量的模型。

请关注数学中国微博和数学中国公众号，如有疑问联系数学中国工作人员

zan