当前位置: 首页 > news >正文

lstm预测

import numpy as np
import pandas as pd
import tensorflow as tf
import math
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from keras.layers import LSTM,Activation,Dense,Dropout# 时间序列数据转换为监督学习的格式
def creatXY(dataset,step):dataX,dataY=[],[]for i in range(len(dataset)-step):a =dataset[i:(i+step),0:dataset.shape[1]]dataX.append(a)b =dataset[i+step,0:dataset.shape[1]]dataY.append(b)return np.array(dataX),np.array(dataY)df = pd.read_csv("output.csv")dataset = np.array(df.iloc[:,0:2])
train_size = int(len(dataset)*0.8)dataset_train = dataset[:train_size,:]
dataset_test = dataset[train_size:,:]# print(dataset_train.shape)# (n,2)
# print(dataset_test.shape)# (n,2)
scaler = MinMaxScaler(feature_range=(0,1))
dataset_train_scaled = scaler.fit_transform(dataset_train)
dataset_test_scaled = scaler.transform(dataset_test)step = 10
trainX,trainY = creatXY(dataset_train_scaled,step)
testX,testY = creatXY(dataset_test_scaled,step)
# #input格式为:[样本数,step数,特征数]
trainX_input = np.reshape(trainX,(len(trainX),step,2))
testX_input = np.reshape(testX,(len(testX),step,2))#
#
model = tf.keras.models.Sequential()
model.add(LSTM(48,return_sequences=True,input_shape=(step,2)))
model.add(LSTM(96,return_sequences=True,input_shape=(step,2)))
model.add(LSTM(48,input_shape=[step,2]))
model.add(Activation('relu'))
model.add(Dense(2))#全连接层
model.compile(loss='mse',optimizer='adam')
model.fit(trainX_input,trainY,batch_size=200,epochs=500)predict_train = model.predict(trainX_input)
predict_test = model.predict(testX_input)result0 = scaler.inverse_transform(predict_train)
result1 = scaler.inverse_transform(predict_test)x0,y0 = result0[:,0],result0[:,1]
x1,y1 = result1[:,0],result1[:,1]
plt.plot(x0,y0,c='r')
plt.plot(x1,y1,c='r')
x = dataset[:,0]
y = dataset[:,1]
plt.plot(x,y)
plt.show()

output.csv:

x,y,thta
0.0,0.0,0.0
0.5,9.5,0.5
1.0,13.4,1.0
1.5,16.4,1.5
2.0,18.9,2.0
2.5,21.1,2.5
3.0,23.0,3.0
3.5,24.9,3.5
4.0,26.5,4.0
4.5,28.1,4.5
5.0,29.6,5.0
5.5,31.0,5.5
6.0,32.3,6.0
6.5,33.6,6.5
7.0,34.8,7.0
7.5,36.0,7.5
8.0,37.1,8.0
8.5,38.2,8.5
9.0,39.2,9.0
9.5,40.2,9.5
10.0,41.2,10.0
10.5,42.2,10.5
11.0,43.1,11.0
11.5,44.0,11.5
12.0,44.9,12.0
12.5,45.8,12.5
13.0,46.6,13.0
13.5,47.4,13.5
14.0,48.2,14.0
14.5,49.0,14.5
15.0,49.7,15.0
15.5,50.5,15.5
16.0,51.2,16.0
16.5,51.9,16.5
17.0,52.6,17.0
17.5,53.3,17.5
18.0,54.0,18.0
18.5,54.7,18.5
19.0,55.3,19.0
19.5,55.9,19.5
20.0,56.6,20.0
20.5,57.2,20.5
21.0,57.8,21.0
21.5,58.4,21.5
22.0,59.0,22.0
22.5,59.5,22.5
23.0,60.1,23.0
23.5,60.6,23.5
24.0,61.2,24.0
24.5,61.7,24.5
25.0,62.2,25.0
25.5,62.8,25.5
26.0,63.3,26.0
26.5,63.8,26.5
27.0,64.3,27.0
27.5,64.8,27.5
28.0,65.2,28.0
28.5,65.7,28.5
29.0,66.2,29.0
29.5,66.6,29.5
30.0,67.1,30.0
30.5,67.5,30.5
31.0,68.0,31.0
31.5,68.4,31.5
32.0,68.8,32.0
32.5,69.2,32.5
33.0,69.6,33.0
33.5,70.1,33.5
34.0,70.5,34.0
34.5,70.9,34.5
35.0,71.2,35.0
35.5,71.6,35.5
36.0,72.0,36.0
36.5,72.4,36.5
37.0,72.7,37.0
37.5,73.1,37.5
38.0,73.5,38.0
38.5,73.8,38.5
39.0,74.2,39.0
39.5,74.5,39.5
40.0,74.8,40.0
40.5,75.2,40.5
41.0,75.5,41.0
41.5,75.8,41.5
42.0,76.1,42.0
42.5,76.4,42.5
43.0,76.8,43.0
43.5,77.1,43.5
44.0,77.4,44.0
44.5,77.7,44.5
45.0,77.9,45.0
45.5,78.2,45.5
46.0,78.5,46.0
46.5,78.8,46.5
47.0,79.1,47.0
47.5,79.3,47.5
48.0,79.6,48.0
48.5,79.9,48.5
49.0,80.1,49.0
49.5,80.4,49.5
50.0,80.6,50.0
50.5,80.9,50.5
51.0,81.1,51.0
51.5,81.3,51.5
52.0,81.6,52.0
52.5,81.8,52.5
53.0,82.0,53.0
53.5,82.3,53.5
54.0,82.5,54.0
54.5,82.7,54.5
55.0,82.9,55.0
55.5,83.1,55.5
56.0,83.3,56.0
56.5,83.5,56.5
57.0,83.7,57.0
57.5,83.9,57.5
58.0,84.1,58.0
58.5,84.3,58.5
59.0,84.5,59.0
59.5,84.7,59.5
60.0,84.9,60.0
60.5,85.0,60.5
61.0,85.2,61.0
61.5,85.4,61.5
62.0,85.5,62.0
62.5,85.7,62.5
63.0,85.9,63.0
63.5,86.0,63.5
64.0,86.2,64.0
64.5,86.3,64.5
65.0,86.5,65.0
65.5,86.6,65.5
66.0,86.7,66.0
66.5,86.9,66.5
67.0,87.0,67.0
67.5,87.1,67.5
68.0,87.3,68.0
68.5,87.4,68.5
69.0,87.5,69.0
69.5,87.6,69.5
70.0,87.7,70.0
70.5,87.9,70.5
71.0,88.0,71.0
71.5,88.1,71.5
72.0,88.2,72.0
72.5,88.3,72.5
73.0,88.4,73.0
73.5,88.5,73.5
74.0,88.6,74.0
74.5,88.7,74.5
75.0,88.7,75.0
75.5,88.8,75.5
76.0,88.9,76.0
76.5,89.0,76.5
77.0,89.1,77.0
77.5,89.1,77.5
78.0,89.2,78.0
78.5,89.3,78.5
79.0,89.3,79.0
79.5,89.4,79.5
80.0,89.4,80.0
80.5,89.5,80.5
81.0,89.5,81.0
81.5,89.6,81.5
82.0,89.6,82.0
82.5,89.7,82.5
83.0,89.7,83.0
83.5,89.8,83.5
84.0,89.8,84.0
84.5,89.8,84.5
85.0,89.9,85.0
85.5,89.9,85.5
86.0,89.9,86.0
86.5,89.9,86.5
87.0,89.9,87.0
87.5,90.0,87.5
88.0,90.0,88.0
88.5,90.0,88.5
89.0,90.0,89.0
89.5,90.0,89.5
90.0,90.0,90.0
90.5,90.0,90.5
91.0,90.0,91.0
91.5,90.0,91.5
92.0,90.0,92.0
92.5,90.0,92.5
93.0,89.9,93.0
93.5,89.9,93.5
94.0,89.9,94.0
94.5,89.9,94.5
95.0,89.9,95.0
95.5,89.8,95.5
96.0,89.8,96.0
96.5,89.8,96.5
97.0,89.7,97.0
97.5,89.7,97.5
98.0,89.6,98.0
98.5,89.6,98.5
99.0,89.5,99.0
99.5,89.5,99.5
100.0,89.4,100.0
100.5,89.4,100.5
101.0,89.3,101.0
101.5,89.3,101.5
102.0,89.2,102.0
102.5,89.1,102.5
103.0,89.1,103.0
103.5,89.0,103.5
104.0,88.9,104.0
104.5,88.8,104.5
105.0,88.7,105.0
105.5,88.7,105.5
106.0,88.6,106.0
106.5,88.5,106.5
107.0,88.4,107.0
107.5,88.3,107.5
108.0,88.2,108.0
108.5,88.1,108.5
109.0,88.0,109.0
109.5,87.9,109.5
110.0,87.7,110.0
110.5,87.6,110.5
111.0,87.5,111.0
111.5,87.4,111.5
112.0,87.3,112.0
112.5,87.1,112.5
113.0,87.0,113.0
113.5,86.9,113.5
114.0,86.7,114.0
114.5,86.6,114.5
115.0,86.5,115.0
115.5,86.3,115.5
116.0,86.2,116.0
116.5,86.0,116.5
117.0,85.9,117.0
117.5,85.7,117.5
118.0,85.5,118.0
118.5,85.4,118.5
119.0,85.2,119.0
119.5,85.0,119.5
120.0,84.9,120.0
120.5,84.7,120.5
121.0,84.5,121.0
121.5,84.3,121.5
122.0,84.1,122.0
122.5,83.9,122.5
123.0,83.7,123.0
123.5,83.5,123.5
124.0,83.3,124.0
124.5,83.1,124.5
125.0,82.9,125.0
125.5,82.7,125.5
126.0,82.5,126.0
126.5,82.3,126.5
127.0,82.0,127.0
127.5,81.8,127.5
128.0,81.6,128.0
128.5,81.3,128.5
129.0,81.1,129.0
129.5,80.9,129.5
130.0,80.6,130.0
130.5,80.4,130.5
131.0,80.1,131.0
131.5,79.9,131.5
132.0,79.6,132.0
132.5,79.3,132.5
133.0,79.1,133.0
133.5,78.8,133.5
134.0,78.5,134.0
134.5,78.2,134.5
135.0,77.9,135.0
135.5,77.7,135.5
136.0,77.4,136.0
136.5,77.1,136.5
137.0,76.8,137.0
137.5,76.4,137.5
138.0,76.1,138.0
138.5,75.8,138.5
139.0,75.5,139.0
139.5,75.2,139.5
140.0,74.8,140.0
140.5,74.5,140.5
141.0,74.2,141.0
141.5,73.8,141.5
142.0,73.5,142.0
142.5,73.1,142.5
143.0,72.7,143.0
143.5,72.4,143.5
144.0,72.0,144.0
144.5,71.6,144.5
145.0,71.2,145.0
145.5,70.9,145.5
146.0,70.5,146.0
146.5,70.1,146.5
147.0,69.6,147.0
147.5,69.2,147.5
148.0,68.8,148.0
148.5,68.4,148.5
149.0,68.0,149.0
149.5,67.5,149.5
150.0,67.1,150.0
150.5,66.6,150.5
151.0,66.2,151.0
151.5,65.7,151.5
152.0,65.2,152.0
152.5,64.8,152.5
153.0,64.3,153.0
153.5,63.8,153.5
154.0,63.3,154.0
154.5,62.8,154.5
155.0,62.2,155.0
155.5,61.7,155.5
156.0,61.2,156.0
156.5,60.6,156.5
157.0,60.1,157.0
157.5,59.5,157.5
158.0,59.0,158.0
158.5,58.4,158.5
159.0,57.8,159.0
159.5,57.2,159.5
160.0,56.6,160.0
160.5,55.9,160.5
161.0,55.3,161.0
161.5,54.7,161.5
162.0,54.0,162.0
162.5,53.3,162.5
163.0,52.6,163.0
163.5,51.9,163.5
164.0,51.2,164.0
164.5,50.5,164.5
165.0,49.7,165.0
165.5,49.0,165.5
166.0,48.2,166.0
166.5,47.4,166.5
167.0,46.6,167.0
167.5,45.8,167.5
168.0,44.9,168.0
168.5,44.0,168.5
169.0,43.1,169.0
169.5,42.2,169.5
170.0,41.2,170.0
170.5,40.2,170.5
171.0,39.2,171.0
171.5,38.2,171.5
172.0,37.1,172.0
172.5,36.0,172.5
173.0,34.8,173.0
173.5,33.6,173.5
174.0,32.3,174.0
174.5,31.0,174.5
175.0,29.6,175.0
175.5,28.1,175.5
176.0,26.5,176.0
176.5,24.9,176.5
177.0,23.0,177.0
177.5,21.1,177.5
178.0,18.9,178.0
178.5,16.4,178.5
179.0,13.4,179.0
179.5,9.5,179.5
180.0,0.0,180.0

相关文章:

lstm预测

import numpy as np import pandas as pd import tensorflow as tf import math import matplotlib.pyplot as plt from sklearn.preprocessing import MinMaxScaler from keras.layers import LSTM,Activation,Dense,Dropout# 时间序列数据转换为监督学习的格式 def creatXY(d…...

《 C++ 点滴漫谈: 二十五 》空指针,隐秘而危险的杀手:程序崩溃的真凶就在你眼前!

摘要 本博客全面解析了 C 中指针与空值的相关知识,从基础概念到现代 C 的改进展开,涵盖了空指针的定义、表示方式、使用场景以及常见注意事项。同时,深入探讨了 nullptr 的引入及智能指针在提升代码安全性和简化内存管理方面的优势。通过实际…...

【AI】探索自然语言处理(NLP):从基础到前沿技术及代码实践

Hi ! 云边有个稻草人-CSDN博客 必须有为成功付出代价的决心,然后想办法付出这个代价。 目录 引言 1. 什么是自然语言处理(NLP)? 2. NLP的基础技术 2.1 词袋模型(Bag-of-Words,BoW&#xff…...

2025年Android开发趋势全景解读

文章目录 一、界面开发:从"手写代码"到"智能拼装"1.1 Jetpack Compose实战进化1.2 淘汰XML布局的三大信号 二、AI融合开发:无需炼丹的普惠智能2.1 设备端AI三大杀手级应用2.2 成本对比:设备端VS云端AI 三、跨平台演进&am…...

C#面试常考随笔11:Dictionary<K, V>、Hashtable的内部实现原理是什么?效率如何?

Dictionary<K, V> 底层数据结构&#xff1a;使用哈希表&#xff08;Hash Table&#xff09;&#xff0c;由一个数组和链表&#xff08;或在.NET Core 2.1 及之后版本中&#xff0c;当链表长度达到一定阈值时转换为红黑树&#xff09;组成。数组中的每个元素称为一个桶&a…...

Linux防火墙基础

一、Linux防火墙的状态机制 1.iptables是可以配置有状态的防火墙&#xff0c;其有状态的特点是能够指定并记住发送或者接收信息包所建立的连接状态&#xff0c;其一共有四种状态&#xff0c;分别为established invalid new related。 established:该信息包已建立连接&#x…...

Qt u盘自动升级软件

Qt u盘自动升级软件 Chapter1 Qt u盘自动升级软件u盘自动升级软件思路&#xff1a;step1. 获取U盘 判断U盘名字是否正确&#xff0c; 升级文件是否存在。step2. 升级step3. 升级界面 Chapter2 Qt 嵌入式设备应用程序&#xff0c;通过U盘升级的一种思路Chapter3 在开发板上运行的…...

【Conda 和 虚拟环境详细指南】

Conda 和 虚拟环境的详细指南 什么是 Conda&#xff1f; Conda 是一个开源的包管理和环境管理系统&#xff0c;支持多种编程语言&#xff08;如Python、R等&#xff09;&#xff0c;最初由Continuum Analytics开发。 主要功能&#xff1a; 包管理&#xff1a;安装、更新、删…...

Python递归函数深度解析:从原理到实战

Python递归函数深度解析&#xff1a;从原理到实战 递归是计算机科学中重要的编程范式&#xff0c;也是算法设计的核心思想之一。本文将通过20实战案例&#xff0c;带你深入理解Python递归函数的精髓&#xff0c;掌握递归算法的实现技巧。 一、递归函数核心原理 1.1 递归三要…...

OpenGL学习笔记(五):Textures 纹理

文章目录 纹理坐标纹理环绕方式纹理过滤——处理纹理分辨率低的情况多级渐远纹理Mipmap——处理纹理分辨率高的情况加载与创建纹理 &#xff08; <stb_image.h> &#xff09;生成纹理应用纹理纹理单元练习1练习2练习3练习4 通过上一篇着色部分的学习&#xff0c;我们可以…...

【TypeScript】基础:数据类型

文章目录 TypeScript一、简介二、类型声明三、数据类型anyunknownnervervoidobjecttupleenumType一些特殊情况 TypeScript 是JavaScript的超集&#xff0c;代码量比JavaScript复杂、繁多&#xff1b;但是结构更清晰 一、简介 为什么需要TypeScript&#xff1f; JavaScript的…...

Notepad++消除生成bak文件

设置(T) ⇒ 首选项... ⇒ 备份 ⇒ 勾选 "禁用" 勾选禁用 就不会再生成bak文件了 notepad怎么修改字符集编码格式为gbk 如图所示...

Android NDK

Android NDK环境 D:\Android SDK\ndk\25.2.9519653 使用clang而不用gcc D:\Android SDK\ndk\25.1.8937393\toolchains\llvm\prebuilt\windows-x86_64\bin\clang --version 查看是否安装成功clang ptrace 在 C 语言中&#xff0c;ptrace 已经被 Linux 内核实现&#xff0…...

内部知识库助力组织智力激发与信息共享实现业绩增长

内容概要 内部知识库是企业知识管理的核心组件&#xff0c;具有不可估量的重要性。通过构建有效的知识库&#xff0c;组织能够将孤立的知识和信息整合成为一个系统性的体&#xff0c;极大提高员工访问和利用这些信息的能力。这不仅简化了决策过程&#xff0c;还通过减少重复劳…...

通过F12收集的信息

按 F12 键打开浏览器的开发者工具&#xff08;DevTools&#xff09;可以获取部分操作系统和中间件信息&#xff0c;但能力有限。以下是具体说明&#xff1a; 一、通过 F12 收集的信息 1. 客户端操作系统信息 - Console 控制台 通过 JavaScript 直接获取客户端操作系统信息&am…...

用Python替代OpenMV IDE显示openmv USB 图像

原理是利用openmv的usb模仿串口&#xff0c;然后用Python代码打开串口接收 能替代openmv ide 跑48帧图像 Python端需要的依赖&#xff1a; 需要的是&#xff1a; from ultralytics import YOLO import cv2 import numpy as np from serial import Serial import time from co…...

c语言:编译和链接(详解)

前言 要将编译和链接&#xff0c;就不得不提及编译器是如何运作的&#xff0c;虽然这部分知识是针对于要创造编译器和创作语言的人所需要清楚的&#xff0c;但作为c语言的学习者也需要了解一下&#xff0c;修炼内功&#xff0c;尤其是对于想学习c的人而言。 编译器的运作过程…...

数据结构【单链表操作大全详解】【c语言版】(只有输入输出为了方便用的c++)

单链表操作的C/C实现详解 在数据结构中&#xff0c;单链表是一种非常基础且重要的数据结构。它由一系列节点组成&#xff0c;每个节点包含数据和指向下一个节点的指针。今天我们就来深入探讨用C/C实现的单链表及其各种操作。 一、单链表的定义 const int N 1e5; //单链表 t…...

leetcode27.删除有序数组中的重复项

目录 问题描述判题标准示例提示 具体思路思路一思路二 代码实现 问题描述 给你一个非严格递增排列的数组nums&#xff0c;请你原地删除重复出现的元素&#xff0c;使每个元素只出现一次&#xff0c;返回删除后数组的新长度。元素的相对顺序应该保持一致 。然后返回nums中唯一元…...

[c语言日寄]越界访问:意外的死循环

【作者主页】siy2333 【专栏介绍】⌈c语言日寄⌋&#xff1a;这是一个专注于C语言刷题的专栏&#xff0c;精选题目&#xff0c;搭配详细题解、拓展算法。从基础语法到复杂算法&#xff0c;题目涉及的知识点全面覆盖&#xff0c;助力你系统提升。无论你是初学者&#xff0c;还是…...

【c++11】包装器

&#x1f525;个人主页&#xff1a;Quitecoder &#x1f525;专栏&#xff1a;c笔记仓 包装器&#xff08;Wrapper&#xff09; 是一个常见的编程设计模式&#xff0c;通常用于封装或“包装”某个现有的对象、函数、数据结构或者操作&#xff0c;以提供额外的功能或简化接口。…...

信息学奥赛一本通 1422:【例题1】活动安排

【题目链接】 ybt 1422&#xff1a;【例题1】活动安排 【题目考点】 1. 贪心 【解题思路】 该题属于区间选点问题&#xff0c;ybt 1324&#xff1a;【例6.6】整数区间 是给定一些区间&#xff0c;选择一些点使得每个区间范围内至少有1个点。 本题为&#xff1a;给定一些区…...

数据库、数据仓库、数据湖有什么不同

数据库、数据仓库和数据湖是三种不同的数据存储和管理技术&#xff0c;它们在用途、设计目标、数据处理方式以及适用场景上存在显著差异。以下将从多个角度详细说明它们之间的区别&#xff1a; 1. 数据结构与存储方式 数据库&#xff1a; 数据库主要用于存储结构化的数据&…...

llama.cpp LLM_CHAT_TEMPLATE_DEEPSEEK_3

llama.cpp LLM_CHAT_TEMPLATE_DEEPSEEK_3 1. LLAMA_VOCAB_PRE_TYPE_DEEPSEEK3_LLM2. static const std::map<std::string, llm_chat_template> LLM_CHAT_TEMPLATES3. LLM_CHAT_TEMPLATE_DEEPSEEK_3References 不宜吹捧中国大语言模型的同时&#xff0c;又去贬低美国大语言…...

深度学习的应用场景及常用技术

深度学习作为机器学习的一个重要分支&#xff0c;在众多领域都有广泛的应用&#xff0c;以下是一些主要的应用场景及常用技术。 1.应用场景 1. 计算机视觉 图像分类 描述&#xff1a;对图像中的内容进行分类&#xff0c;识别出图像中物体所属的类别。例如&#xff0c;在安防领…...

小程序项目-购物-首页与准备

前言 这一节讲一个购物项目 1. 项目介绍与项目文档 我们这里可以打开一个网址 https://applet-base-api-t.itheima.net/docs-uni-shop/index.htm 就可以查看对应的文档 2. 配置uni-app的开发环境 可以先打开这个的官网 https://uniapp.dcloud.net.cn/ 使用这个就可以发布到…...

网件r7000刷回原厂固件合集测评

《网件R7000路由器刷回原厂固件详解》 网件R7000是一款备受赞誉的高性能无线路由器&#xff0c;其强大的性能和可定制性吸引了许多高级用户。然而&#xff0c;有时候用户可能会尝试第三方固件以提升功能或优化网络性能&#xff0c;但这也可能导致一些问题&#xff0c;如系统不…...

微信登录模块封装

文章目录 1.资质申请2.combinations-wx-login-starter1.目录结构2.pom.xml 引入okhttp依赖3.WxLoginProperties.java 属性配置4.WxLoginUtil.java 后端通过 code 获取 access_token的工具类5.WxLoginAutoConfiguration.java 自动配置类6.spring.factories 激活自动配置类 3.com…...

[STM32 - 野火] - - - 固件库学习笔记 - - -十三.高级定时器

一、高级定时器简介 高级定时器的简介在前面一章已经介绍过&#xff0c;可以点击下面链接了解&#xff0c;在这里进行一些补充。 [STM32 - 野火] - - - 固件库学习笔记 - - -十二.基本定时器 1.1 功能简介 1、高级定时器可以向上/向下/两边计数&#xff0c;还独有一个重复计…...

后台管理系统通用页面抽离=>高阶组件+配置文件+hooks

目录结构 配置文件和通用页面组件 content.config.ts const contentConfig {pageName: "role",header: {title: "角色列表",btnText: "新建角色"},propsList: [{ type: "selection", label: "选择", width: "80px&q…...