基于CNN-RNN-Attention的高精度时间序列预测模型及其在风电功率预测中的应用
基于 CNN、RNN 和 Attention 机制的时间序列预测模型，最近用了一下，效果挺惊喜的。
局部特征用CNN抽得比较干净，RNN时序也还行，加个注意力机制，整体预测准确率一下子就拉上去了，尤其在风电功率那类波动大的数据上，表现还挺稳。
代码也蛮全的，数据预、模型搭建、训练优化都有，适合直接上手搞项目。用的是PyTorch，结构清晰、注释也靠谱，改动成本不高。
实测在风电预测上，MAE低，相关系数高，属于那种“调调参、跑一跑就能看见结果”的类型。适合你在做能源管理、电力调度相关任务时用，想精度拉满可以拿它当主力模型。
如果你还不太熟 Attention 机制的细节，建议先看看Python 注意力机制优化那篇文章，思路更清晰。
小提醒一下，参数默认设置不是万能的，数据集换了之后记得自己调一下learning rate、batch size啥的，不然结果差点意思。
文件大小：578.77KB
评论区