基于LSTM和多头Attention的多特征输入的风速预测项目实战（pytorch）（多特征）_pytorch lstm+attention

一、项目简介

在上一个多特征进行风速预测的项目基础上，本项目使用Pytorch基于pytorch的LSTM和多头Attention实现时间序列（风速）的预测，使用风速八个特征来预测风速（使用了数据集中的8个特征作为输入），其效果比本人之前文章所做的多特征二维CNN的预测效果好。

二、数据集

采用的是wind_dataset.csv（后文有源码和数据集获取方式），数据集含有时间、风速、降雨量等等参数，本项目采用如红框所示的八个特征来预测未来的风速，即WIND这一列。数据展示如下

 三、我的实验环境

平台：window11
语言：python3.9
编译器：Pycharm
Pytorch:1.13.1+cu116

四、项目文件及运行说明

train.py 里面是训练过程的通用代码，其他项目也可以在它的基础上修改
Config.py 里面是项目所需要用到的参数
DataSplit.py 实现数据划分的函数
model.py 模型LSTM_Attention的配置
wind_dataset.csv 风速预测的数据集
test_wind_CNN.py 运行文件，配置好训练的参数，进行训练并在里面绘图
loss.csv训练过程产生的损失
loss_draw.py 根据训练输出的loss.csv文件绘制loss损失
LSTM_Attention.pth 是训练过程中生成的模型参数，可用于做测试数据的预测(在test_pth.py中应用)
test_pth.py 根据生成的cnn.pth模型参数对测试数据进行预测。

 部分代码展示：

五、预测效果展示

①训练epoch=200的loss曲线

2DCNN实验损失loss对比局部图(同一坐标系的对比图)：左是本项目所提模型，右边是普通2DCNN模型 ，很明显左边的模型损失效果比2DCNN低，效果更好一些

②训练epoch=200的测试集预测效果：

六、总结与资源

若有朋友需要源码，可以关zhu【科 研 小 条】gong众号，回复【多特征LSTM多头注意力风速预测】，即可获得。