使用keras构建带time_step的LSTM模型

之前使用TensorFlow构建LSTM模型时,被各种shape烦死。最近尝试了keras,发现好用很多,但网上看了很多教程,里面的time_step都是为1,在实际的时序数据预测中几乎无任何实用价值,因此自己琢磨了两天后,写了测试代码,作为备忘。同时希望能对其他朋友起到帮助作用,相互学习交流。

测试数据说明

数据使用2010至2014年北京的空气污染数据,网上有很多下载的地方,可以自行搜索下载。包括以下几个字段:'No', 'year', 'month', 'day', 'hour', 'pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir'。其中pm2.5即为我们需要预测的字段,我设置的time_step =72。即,使用过去72小时的检测数据及污染数据,预测下一个小时的污染情况。

1.No 行数
2.year 年
3.month 月
4.day 日
5.hour 小时
6.pm2.5 PM2.5浓度
7.DEWP 露点
8.TEMP 温度
9.PRES 大气压
10.cbwd 风向
11.lws 风速
12.ls 累积雪量
13.lr 累积雨量
image.png

数据预处理

1、处理日期字段,将年月日字段合并为一个字段
2、新建一列y,作为预测数据的原始数据(后续会做处理)
3、删除nan的数据行
4、将原始数据中字符串数据转化为数值数据,然后对所有数据进行归一化

其中对y进行归一化的scalar要保存,用于对最后的预测结果值进行转化,将归一化后的值转化为真实值

日期处理
# 格式化日期
def parse_date(year, month, day, hour):
    if len(str(month)) == 1:
        month = '0' + str(month)
    if len(str(day)) == 1:
        day = '0' + str(day)
    
    return datetime.strptime(str(year)+str(month)+str(day)+str(hour), '%Y%m%d%H').strftime('%Y-%m-%d %H:00:00')  # 格式化日期
数据转化(部分代码)
# 处理原始数据为合适的数据
def make_train_test_data(path, ts, train_end, datasetsCount=None):
    air_data = pd.read_csv(path, header='infer')
    air_data['date'] = air_data.apply(lambda r: parse_date(r['year'], r['month'], r['day'], r['hour']), axis=1)  # 处理日期

    # 对风向cbwd进行encode
    encoder = LabelEncoder()
    air_data['cbwd'] = encoder.fit_transform(air_data['cbwd'])

    # 转化数据type
    air_data[['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']] = air_data[
        ['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']].astype('float64')
    air_data = air_data.dropna().reset_index(drop=True)

    # 使用过去N=ts小时数据预测未来一个小时的污染
    air_data['y'] = air_data['pm2.5']

    # 根据传入的参数缩减数据集
    if datasetsCount:
        air_data = air_data[:datasetsCount]

    # 切分训练和预测集
    train_all = air_data[:train_end]
    test_all = air_data[train_end:]

    # 训练数据进行归一化
    train_x = scalar_x.fit_transform(train_all[['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']])

    train_y = scalar_y.fit_transform(train_all[['y']])

    # 预测数据归一化
    test_x = scalar_x.transform(test_all[['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']])

    test_y = scalar_y.transform(test_all[['y']])
  • 此时数据进行了归一化,在训练集上fit后,在预测集上进行transform,有利于提高模型效果

训练及预测数据构建

  • 将原来的一维数据转化为适合lstm的三维数据,shape=(batch_size, time_step, feature_dim)
  • 思路(使用滑窗法):
    1、训练数据记为X,预测数据记为Y,行号记为i;
    2、根据设置的time_step数,合并相应行数的X,转为一个(None, feature_dim*time_step)的二维数据X';
    3、根据time_step调整后的Y读取当前行号i+time_step后的index对应的Y的值;
    4、对新的X'进行reshape,将其reshape为(sample_size, time_step, feature_dim),该数据可直接进入model进行使用。
# 构建带time_step的数据集
# #############  构建训练和预测集  ###################
    ts_train_x = np.array([])
    ts_train_y = np.array([])

    ts_test_x = np.array([])
    ts_test_y = np.array([])

    # 构建训练数据集
    print('训练数据的原始shape:', train_x.shape)
    for i in range(train_x.shape[0]):
        if i + ts == train_x.shape[0]:
            break

        ts_train_x = np.append(ts_train_x, train_x[i: i + ts, :])

        ts_train_y = np.append(ts_train_y, train_y[i +ts])

    # 构建预测数据集
    print('预测数据的原始shape:', test_x.shape)
    for i in range(test_x.shape[0]):
        if i + ts == test_x.shape[0]:
            break

        ts_test_x = np.append(ts_test_x, test_x[i:i + ts, :])

        ts_test_y = np.append(ts_test_y, test_y[i + ts])

    return ts_train_x.reshape((train_x.shape[0] - ts, ts, train_x.shape[1])), ts_train_y, \
           ts_test_x.reshape((test_x.shape[0] - ts, ts, test_x.shape[1])), ts_test_y, scalar_y
  • 数据展示


    image.png

模型构建

  • 使用keras构建序列模型是比较简单的。初始化为Sequential后,add需要的LSTM层即可。因为该模型是回归预测,因此最后add一个Dense(1),整个model即构建完成了。
  • 若担心过拟合,可在layer之间增加Dropout层
  • 唯一的疑问是,增加的LSTM层在倒数第一个layer之前,return_sequences一定要置为True(默认为False),这是后面需要搞懂的地方??
# 构建model
def build_model(ts, fea_dim):
    model = Sequential()
    model.add(LSTM(64, input_shape=(ts, fea_dim), activation='sigmoid', return_sequences=True, dropout=0.01))
    model.add(LSTM(128, activation='sigmoid', return_sequences=True, dropout=0.01))
    model.add(Dropout(rate=0.01))
    model.add(LSTM(128, activation='sigmoid', dropout=0.01))
    model.add(Dense(1))
    model.compile(loss='mse', optimizer=Adam(lr=0.002, decay=0.01))
    
    return model

预测效果展示(归一化的预测结果mse=0.001675884,真实值的mse=1606.236424,总的来说,效果不算特别好)

  • 红线是预测曲线,黄色线是真实数据,从趋势看,拟合的还行,但从具体预测值上看,还有很大进步空间


    image.png

思考&可改进部分

  • 为什么LSTM层在倒数第一个layer之前,return_sequences一定要置为True(默认为False),否则报错。相关解释见本人另一篇备忘 //www.greatytc.com/p/7f0c7d3d67af
  • 本次构建model默认是cpu的并行,也未考虑在spark集群使用的问题

完整代码如下

# coding:utf-8
# 归一化部分做了优化,训练和预测数据分别归一化,训练集做fit,然后对测试集进行transform
# 同时删减了冗余代码
import pandas as pd
import numpy as np
from datetime import datetime
import tensorflow as tf
from tensorflow import keras
from keras.models import Sequential
from keras.layers import GRU, LSTM, Dense, Dropout
from keras.optimizers import Adam
from sklearn.preprocessing import MinMaxScaler, LabelEncoder
import matplotlib.pyplot as plt
from sklearn.metrics import mean_squared_error
import os


# 格式化日期
def parse_date(year, month, day, hour):
    if len(str(month)) == 1:
        month = '0' + str(month)
    if len(str(day)) == 1:
        day = '0' + str(day)

    return datetime.strptime(str(year) + str(month) + str(day) + str(hour), '%Y%m%d%H').strftime(
        '%Y-%m-%d %H:00:00')  # 格式化日期


# 构建训练集、预测集,训练和预测分别transform
def make_train_test_data(path, ts, train_end, datasetsCount=None):
    air_data = pd.read_csv(path, header='infer')
    air_data['date'] = air_data.apply(lambda r: parse_date(r['year'], r['month'], r['day'], r['hour']), axis=1)  # 处理日期

    # 对风向cbwd进行encode
    encoder = LabelEncoder()
    air_data['cbwd'] = encoder.fit_transform(air_data['cbwd'])

    # 转化数据type
    air_data[['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']] = air_data[
        ['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']].astype('float64')
    air_data = air_data.dropna().reset_index(drop=True)

    # 使用过去N=ts小时数据预测未来一个小时的污染
    air_data['y'] = air_data['pm2.5']

    # 根据传入的参数缩减数据集
    if datasetsCount:
        air_data = air_data[:datasetsCount]

    # 切分训练和预测集
    train_all = air_data[:train_end]
    test_all = air_data[train_end:]

    # 训练数据进行归一化
    train_x = scalar_x.fit_transform(train_all[['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']])

    train_y = scalar_y.fit_transform(train_all[['y']])

    # 预测数据归一化
    test_x = scalar_x.transform(test_all[['pm2.5', 'DEWP', 'TEMP', 'PRES', 'cbwd', 'Iws', 'Is', 'Ir']])

    test_y = scalar_y.transform(test_all[['y']])

    # #############  构建训练和预测集  ###################
    ts_train_x = np.array([])
    ts_train_y = np.array([])

    ts_test_x = np.array([])
    ts_test_y = np.array([])

    # 构建训练数据集
    print('训练数据的原始shape:', train_x.shape)
    for i in range(train_x.shape[0]):
        if i + ts == train_x.shape[0]:
            break

        ts_train_x = np.append(ts_train_x, train_x[i: i + ts, :])

        ts_train_y = np.append(ts_train_y, train_y[i + ts])

    # 构建预测数据集
    print('预测数据的原始shape:', test_x.shape)
    for i in range(test_x.shape[0]):
        if i + ts == test_x.shape[0]:
            break

        ts_test_x = np.append(ts_test_x, test_x[i: i + ts, :])

        ts_test_y = np.append(ts_test_y, test_y[i + ts])

    return ts_train_x.reshape((train_x.shape[0] - ts, ts, train_x.shape[1])), ts_train_y, \
           ts_test_x.reshape((test_x.shape[0] - ts, ts, test_x.shape[1])), ts_test_y, scalar_y


# 构建model
def build_model(ts, fea_dim):
    model = Sequential()
    model.add(LSTM(64, input_shape=(ts, fea_dim), activation='sigmoid', return_sequences=True, dropout=0.01))
    model.add(LSTM(128, activation='sigmoid', return_sequences=True, dropout=0.01))
    model.add(Dropout(rate=0.01))
    model.add(LSTM(128, activation='sigmoid', dropout=0.01))
    model.add(Dense(1))
    model.compile(loss='mse', optimizer=Adam(lr=0.002, decay=0.01))

    return model


# keras的使用学习脚本
if __name__ == '__main__':
    os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"

    # 超参设置
    batch_size = 60
    data_dim = 8
    time_step = 72

    # 归一化
    scalar_x = MinMaxScaler(feature_range=(0, 1))
    scalar_y = MinMaxScaler(feature_range=(0, 1))

    # 获取训练和预测数据
    # 使用365天的数据作为原始训练集
    # 只使用10000小时的数据作为总数据
    x_train, y_train, x_test, y_test, scalar_Y = make_train_test_data('/Users/getui/Data/rnn_air.csv', 72, 8760, 10000)
    print(x_train.shape, y_train.shape, x_test.shape, y_test.shape)

    # 构建model
    lstm_model = build_model(time_step, data_dim)

    # 训练model,使用20%的数据作为验证集
    lstm_model.fit(x_train, y_train, epochs=50, batch_size=60, validation_split=0.2)

    # 预测结果
    pred_y = lstm_model.predict(x_test)

    # 转换为真实值
    pred_y_inverse = scalar_Y.inverse_transform(pred_y)
    true_y_inverse = scalar_Y.inverse_transform(y_test.reshape(len(y_test), 1))

    # 归一化的y的mse
    minmax_mse = mean_squared_error(y_pred=pred_y, y_true=y_test)

    # 真实值的mse
    true_mse = mean_squared_error(y_pred=pred_y_inverse, y_true=true_y_inverse)

    print('归一化后的mse和真实mse分别是:', minmax_mse, true_mse)

    # 画图观察
    fig = plt.figure(figsize=(20, 8))
    plt.subplot(1, 1, 1)
    plt.plot(pred_y_inverse, 'r', label='prediction')
    plt.subplot(1, 1, 1)
    plt.plot(true_y_inverse, 'y', label='true')
    plt.legend(loc='best')
    plt.show()

!!本人在简书上写的内容均为本人原创,转载需经本人同意,欢迎转载分享,请注明出处!!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,755评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,369评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,799评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,910评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,096评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,159评论 3 411
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,917评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,360评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,673评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,814评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,509评论 4 334
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,156评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,882评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,123评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,641评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,728评论 2 351