时序预测 | 改进图卷积+informer时间序列预测,pytorch架构

时序预测 | 改进图卷积+informer时间序列预测,pytorch架构

目录

    • [时序预测 | 改进图卷积+informer时间序列预测,pytorch架构](#时序预测 | 改进图卷积+informer时间序列预测,pytorch架构)

预测效果

基本介绍

改进图卷积+informer时间序列预测代码

CTR-GC卷积,informer,CTR-GC

图卷积 GCN 中,图拓扑在特征聚合中占主导地位,提取代表性特征的关键。因此提出了一种改进GCN的新方法,叫通道拓扑细化图卷积 (CTR-GC),以动态学习不同的拓扑结构,并有效地聚合不同通道中的特征。

本代码尝试将它转移用到时间序列中,创新思维的三维转二维,利用部分卷积进行特征提取,将提取的结果放入informer进行预测,预测还不错,同时证实了引入图卷积的可行性。

python代码

pytorch架构

适合功率预测,风电光伏预测,负荷预测,流量预测,浓度预测,机械领域预测等等各种时间序列直接预测。验证模型,划分测试集训练集。

1.多变量输入,单变量输出

2.多时间步预测,单时间步预测

3.R方,MAE,MSE MAPE对比图,误差图(缺少的可自行添加)

4.将结果保存下来供后续处理

5.代码自带数据,一键运行,csv,xlsx文件读取数据,也可以替换自己数据集很简单。

  • 完整源码私信博主回复改进图卷积+informer时间序列预测,pytorch架构

参考资料

1\] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm=1001.2014.3001.5501 \[2\] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm=1001.2014.3001.5501

相关推荐
zhaoyi_he7 分钟前
多模态大模型的技术应用与未来展望:重构AI交互范式的新引擎
人工智能·重构
葫三生1 小时前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
m0_751336392 小时前
突破性进展:超短等离子体脉冲实现单电子量子干涉,为飞行量子比特奠定基础
人工智能·深度学习·量子计算·材料科学·光子器件·光子学·无线电电子
美狐美颜sdk5 小时前
跨平台直播美颜SDK集成实录:Android/iOS如何适配贴纸功能
android·人工智能·ios·架构·音视频·美颜sdk·第三方美颜sdk
DeepSeek-大模型系统教程5 小时前
推荐 7 个本周 yyds 的 GitHub 项目。
人工智能·ai·语言模型·大模型·github·ai大模型·大模型学习
郭庆汝6 小时前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
小雷FansUnion8 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周8 小时前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint
思则变9 小时前
[Pytest] [Part 2]增加 log功能
开发语言·python·pytest
叶子爱分享9 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉