Question

我有26个有关电池观测的时间序列。我需要估算每个充电/放电周期后容量的变化。我使用4个功能对每个周期进行了建模，每个电池具有可变数量的周期。在每个循环之后，都会根据上一步的减少量估算出容量。如何预测每个时间步的容量减少？

我有26个电池，代表26个样品。每个样品具有可变数量的时间步长，并且每个时间步长都有一个标签，该标签是在充电/放电循环结束时计算出的容量下降量（ΔQ）。我是RNN的新手，我正在尝试使用批量大小为1的LSTM，其中每个批次代表一个电池，每个电池彼此独立，因此我将有状态参数设置为False。我使用的是一个LSTM层，该层输出要预测的增量Q（容量）的n个值。我删除了指标准确性，因为考虑到我想要n个输出值的时间步长序列，我认为这更多的是回归任务。我一次训练一批，因为序列的长度不同。目的是在给定另一个电池时间序列的情况下，预测该电池的n个时间步长中的每个时间步长的n值增量容量。训练模型时，我得到的是奇怪的损失值，我刚开始学习这个主题，所以请耐心和支持。我需要帮助

batch_size = 1
n_features = 4
n_steps = None
n_features = 4

# define model
model = Sequential()
model.add(LSTM(units=1, batch_input_shape=(1, None, n_features), activation='linear',return_sequences=True, stateful=False))
model.compile(loss = 'mean_squared_error', optimizer = 'adam', metrics=['mean_squared_error'])
model.summary()
epochs = 50
history = []

indexes = [index for index in range(len(X_train))]

for epoch in range(epochs):
    random.shuffle(indexes)
    for i in range(len(X_train)):
        index = indexes[i]
        x_train = np.array(X_train[index], dtype=np.float)
        x_train = np.reshape(x_train, (1, x_train.shape[0], x_train.shape[1]))
        y_train = np.array(Y_train[index], dtype=np.float)
        y_train = np.reshape(y_train, (1, y_train.shape[0], 1))
        metrics = model.train_on_batch(x_train, y_train)
    history.append(metrics)
    print("loss: ", metrics[0])

我在训练中的损失结果完全是随机的，我不知道为什么。 LSTM不能正常工作的26个样本（每个样本具有11到39个4个特征的数组）太少了吗？

LSTM多对多预测

0 个答案: