У меня есть код на Python для прогнозирования энергопотребления с использованием нейронной сети lstm в pytorch. Я обучил эту модель на 90 временных рядах длиной от года до 1 часа, чтобы делать прогнозы на несколько дней (например, 7 дней).
Проблема в том, что я не могу настроить модель так, чтобы прогнозы были хорошими или, по крайней мере, достойными.
Входными данными в дополнение к истории целевой переменной являются:
· Метеорологические данные: температура, влажность, термические данные. ощущение, скорость ветра и осадки в миллиметрах.
· Час, месяц и день недели представлены синусами и косинусами.
· Праздничный день (bool)
· Целевая переменная отстает от 3 предыдущих дней.< /p>
Всего 83 входных столбца.
Я использую следующие гиперпараметры:
train_ratio: 0,7
seq_length: 168
batch_size: 24
эпохи: 100 (ранняя остановка = 10)
lr: 0,001
weight_decay: 0,0001
отсев: 0,1
Архитектура нейронной сети — два lstm слоя по 40 и 60 нейронов, линейный слой из 32 нейронов, функция активации relu и выход 24.
Что посоветуете улучшить предсказания? Сейчас они очень плохи. Если вам нужно, чтобы я подробно рассказал о чем-то большем, я был бы рад это сделать.
Подробнее здесь: https://stackoverflow.com/questions/789 ... tion-model
