fatemurphy / ceemdan_lstm Goto Github PK
View Code? Open in Web Editor NEWCEEMDAN_LSTM is a Python project for decomposition-integration forecasting models based on EMD methods and LSTM.
License: MIT License
CEEMDAN_LSTM is a Python project for decomposition-integration forecasting models based on EMD methods and LSTM.
License: MIT License
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?
Hey,
Thank you so much for the greate package.
I'm confusing about the test step. I mean I will pass the train dataset for the model (eg. df_result = kr.hybrid_keras_predict(data=series, show=True, plot=True, save=True))
How to pass my test dataset after that after training phase?
你好,前陣子跑程式利用CEEMDAN-GRU時,IMF數量大約是6個左右,但最近又回來重新跑一次時,IMF只剩下三個,data set與code基本上是相同,想請問造成這樣的原因是什麼
作者您好 看了您的论文和代码 我有两个问题想请教
一、如果不设置max_imf的话 分解出来的个数是怎么计算出来的呢?
二、哪一个IMF分量是残差呢?最后一个吗?
Hi,
First, thanks you for your repo ! very good !
But I have a question about the CEEMDAN signal... i think there are a lookhead bias right ? how you manage this bias in live trading ?
Regards
Ludo.
大佬您好,学习了您的代码后我感觉受益匪浅,想要进步一部通过您的论文进行更深入的学习,您能给我发一份吗,非常感谢。
qq-email:[email protected]
再次感谢!!!
训练代码如下:
kr = cl.keras_predictor(PATH='./', NEXT_DAY=True)
df_result = kr.hybrid_keras_predict(data, show=True, plot=True, save=True)
print('-------------------------------df_result--------------------------------------')
print(df_result)
预测代码如下:
KERAS_MODEL = {
'co-imf0': 'Hybrid_CEEMDAN_OVMD0_GRU_Next_day_Keras_Forecasting_of_co_imf0_model.h5',
'co-imf1': 'Hybrid_CEEMDAN_OVMD0_GRU_Next_day_Keras_Forecasting_of_co_imf1_model.h5',
'co-imf2': 'Hybrid_CEEMDAN_OVMD0_GRU_Next_day_Keras_Forecasting_of_co_imf2_model.h5',
}
kr = cl.keras_predictor(PATH='./', NEXT_DAY=True, KERAS_MODEL=KERAS_MODEL)
df_result = kr.hybrid_keras_predict(data, show=True, plot=True, save=True)
print('-------------------------------df_result--------------------------------------')
print(df_result)
预测报错如下:
ValueError: Input 0 of layer "Hybrid_CEEMDAN_OVMD0_GRU_Next_day_Keras_Forecasting_of_co_imf0_model.h5" is incompatible with the layer: expected shape=(None, 30, 8), found shape=(None, 30, 7)
比如我想要小时数据的未来24,48,72个的预测值,请问怎么实现呢?
作者你好,最近拜读了您的论文,并也已经通过repo的代码复现出来了,但在理解上有些问题。
在源码中,代表最终Hybrid模型的Hybrid_LSTM函数,enlarge参数的功能我没太理解。
Line 1227 in 5b40c6a
请问这放大操作对Ensemble LSTM的意义是什么呢?enlarge的大小是如何设置的呢,是依据Co-IMF0再次分解所用VMD的K值来取吗?
beijing ets.csv
ftse.csv
guangzhou ets.csv
hsi.csv
hubei ets.csv
n225.csv
nasdag.csv
sp500.csv
sse index.csv
ssec.csv
tianjin ets.csv
Hi,
I am trying to install this package using the recommended:
pip install CEEMDAN_LSTM
But I get the dependencies error:
The 'sklearn' PyPI package is deprecated, use 'scikit-learn'
rather than 'sklearn' for pip commands.
Here is how to fix this error in the main use cases:
- use 'pip install scikit-learn' rather than 'pip install sklearn'
- replace 'sklearn' by 'scikit-learn' in your pip requirements files
(requirements.txt, setup.py, setup.cfg, Pipfile, etc ...)
- if the 'sklearn' package is used by one of your dependencies,
it would be great if you take some time to track which package uses
'sklearn' instead of 'scikit-learn' and report it to their issue tracker
- as a last resort, set the environment variable
SKLEARN_ALLOW_DEPRECATED_SKLEARN_PACKAGE_INSTALL=True to avoid this error
I noticed that indeeed the setup.py call sklearn. Are there any plans to update this?
Thanks
@FateMurphy 大佬,你好,我是一名大二本科生,正在准备今年数学建模国赛,然后学校给我们发了几道练习题,我们选了其中c题,其实也是今年华中杯b题:
C题数字经济问题.docx
然后我们现在在做2,3问的时候发现单独用LSTM预测效果不太好,所以想试着用VMD或者EMD先将原始序列进行分解之后再预测,所以找到了您这个repo,然后我其实改动了一点部分,就是读csv那里,因为我的时间格式是2021/7/14 9:35:00这种,所以我还稍微改了改CEEMDAN_LSTM.py,但是当我后面继续运行cl.run_example()后回报这样的错:
我看了一下因为我的原始序列分解后有13个IMFs,所以按照默认inte_form=233来integrate就会有问题,我试着把CEEMDAN_LSTM.py中integrate那里改成这样:
但是运行还是有那个错,所以想请教一下大佬,另外同时也想问一下大佬这个repo里的LSTM能够实现多变量预测单变量吗,因为我的数据集中除了要预测的成交量之外还有其他提取出来的相关指标,这是我的数据集:
new.zip
之前我是找了一份能够实现多变量预测单变量的LSTM代码,我可以参照着这个改,但是主要是用多变量可能就得把每个变量都得进行分解,然后最终把所有变量分解之后的模态integrate在一起吗,希望大佬能够指点指点!
(1)我的数据只有,时间一列,数值一列。该方法的预测可以使用吗? 在数据的选取中只需选择数值一列,那预测的数据是怎么跟时间联系起来的,代码中哪里是体现的?。
(2)如果我想预测未来10天的,是否可以先将DAY_AHEAD设置为1,然后预测完数据后,将该数据增加进我的数据列表,然后重新预测,重复该操作10次? 还是说可以将DAY_AHEAD设置为1,记录一下数据,将DAY_AHEAD设置为2,记录一下数据。
您好,想问下训练好的模型imf0_model.h5 imf1_model.h5 imf2_model.h5 已经在我的路径下保存了,我怎么使用这些模型进行下一日的预测呢? 需要输入什么参数呢?
假设我样本数据是1月1日至3月31日,当我参数设置为FORECAST_HORIZONS=30,FORECAST_LENGTH=30, NEXT_DAY=False, DAY_AHEAD=1,的时候。此时我的训练集是1月1日至3月1日,测试集是3月1日至3月31日。
那么测试集中的3月2日的预测数据是根据1月1日至3月1日的样本数据预测的吗?
以此类推,测试集中的3月3日的预测数据是根据1月1日至3月2日的样本数据预测的,测试集中的3月4日的预测数据是根据1月1日至3月3日的样本数据预测的。。相当于多次运行NEXT_DAY=Ture, 来获取测试集的预测数据。
请问是这样的吗?
大佬大佬,先膜拜再说。我想问问此代码可否用于光伏预测,例如对光伏功率分解后,对每个分量进行概率预测(类似回归什么的)然后求和,这样可以吗。因为我是小白,代码也看的不是很懂,所以想请教一下。顺便问一下可以分享文章嘛,因为你这个论文太厉害了,我们学校没有版权,个人买太贵了。当然没有也无所谓,主要是膜拜大佬程序。
大佬您好,看了您的代码我十分钦佩。我很想获得您的论文用来学习,可不可以发给我一份?感激不尽。
[email protected]
再次感谢
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.