用于时间序列预测的CNN模型

Question

我想建立一个CNN模型。我有x_train=8000000x7，y_train=8000000x2。因为它是一个多变量时间序列。如何输入窗口大小为160和stride=1的输入。

cnn模式的输入应该是什么？

我使用时间序列生成器来创建数据集，如下所示

train_gen = tf.keras.preprocessing.sequence.TimeseriesGenerator(X_train, Y_train,
                                                                length=160, sampling_rate=1,shuffle=False, batch_size=256)


batch_0  = train_gen[0]
data, label = batch_0
print("Shape of the generator data and label:", data.shape, label.shape)

input=data.shape[1],data.shape[2]

对于LSTM，我使用“输入”作为输入形状。CNN模式的输入应该是什么？

(1) CNN模型能使用时间序列发生器吗？( 2)是否有建立滑动窗口方法的数据发生器？

Answer 1

首先，不建议使用TimeseriesGenerator，并且不以tensorflow张量作为输入，因此我不鼓励使用它。相反，您可以从keras中使用timeseries_dataset_from_array (doc 这里)。它还会产生滑动窗口。

对于时间意甲预测，你应该使用一维CNN。它们接受一个序列作为输入，与LSTM完全一样。就形状而言，在Tensorflow，它仍然是：

input = data.shape[1], data.shape[2]

假设data.shape[0]是批处理大小，则data.shape[1]为序列长度，data.shape[2]为每个元素的特性数。