FateMurphy / CEEMDAN_LSTM

CEEMDAN_LSTM is a Python project for decomposition-integration forecasting models based on EMD methods and LSTM.
MIT License
205 stars 42 forks source link

seq2seq #6

Closed lisq97 closed 1 year ago

lisq97 commented 1 year ago

大佬好,我目前在做一个反事实推理的实验,比如,已知因素1为工作日,同时已知因素1为工作日时,某公司当天的用电量(采样频率为每小时一次,shape为(24,1)),求因素1为非工作日时,当天的用电量。我想建立一个模型,输入为已知因素1为工作日时,某公司当天的用电量(24,1),输出为因素1为非工作日时,某公司当天的用电量(24,1)。目前用于训练的数据分为三部分,第一部分,某公司的一年的工作日状态(365,1);第二部分,此公司的一年实际用电量(365,24,1),作为x;第三部分,预期的此公司的一年非工作日状态用电量(365,24,1),作为y。这样一来我的数据不是传统的时间序列预测问题,更像是seq2seq,想问一下CEEMDAN_LSTM可不可以实现这样的模型?

FateMurphy commented 1 year ago

神经网络应该不太适合你描述的反事实推理的实验,强行预测只会显得没有什么根据,但如果逻辑关系(建模公式)能构筑好也可以一试。