Time series Analysis using LSTM RNN and GRU

تحليل السلاسل الزمنية باستخدام LSTM-RNN-and-GRU

تحليل السلاسل الزمنية باستخدام LSTM وRNN وGRU مع PyTorch

أقوم هنا بتنفيذ بعض هياكل RNN، مثل RNN وLSTM وGRU لبناء فهم لنماذج التعلم العميق للتنبؤ بالسلاسل الزمنية. لقد عملت على بعض تقنيات هندسة الميزات التي يتم تطبيقها على نطاق واسع في التنبؤ بالسلاسل الزمنية، مثل ميزات التشفير السريع والتأخر والوقت الدوري. المكتبات المستخدمة هي Scikit-learn، وPandas، وPyTorch، وهي مكتبة مفتوحة المصدر لتعلم الآلة. لقد تابعت هذه المقالة الرائعة، يمكنك العثور على مزيد من التفاصيل هنا الرابط. وسوف تعطيك تفاصيل واسعة النطاق حول هذا الموضوع. مجموعة بيانات السلاسل الزمنية التي أستخدمها مأخوذة من بيانات استهلاك الطاقة كل ساعة من PJM، وهي مجموعة بيانات سلاسل زمنية أحادية المتغير تتكون من أكثر من 10 سنوات من الملاحظات كل ساعة والتي تم جمعها من مناطق مختلفة في الولايات المتحدة. من جميع الملفات، أعمل مع بيانات منطقة PJM East، التي تحتوي في الأصل على بيانات استهلاك الطاقة بالساعة من عام 2001 إلى عام 2018، ولكن يمكنك استخدام أي مجموعة بيانات.

توزيع البيانات:

نتائج RNN:

نتائج LSTM:

نتائج GRU: