时间序列分解VMD和长短记忆神经网络lstm

这篇记一下时间序列分解和长短记忆神经网络lstm如何一起用
vmd+lstm
用python实现

首先预设的流程是:

读取数据、vmd时间分解(把信号分解成5行),最大最小归一化、给模型设置参数、编译、fit函数(训练)、反归一化、得到的五个信号相加、保存模型、绘图、保存数据

首先vmd返回值是u,u_hat,omega。

    '''
    u       - the collection of decomposed modes 分解模态的集合
    u_hat   - spectra of the modes 模态的谱
    omega   - estimated mode center-frequencies 估计模态中心频率
    '''

    u = np.zeros((K, len(t)))
    u_hat = np.zeros((T//2, K), dtype=complex)
    omega = omega_plus[0:N, :]
    return u, u_hat, omega

截止目前,不太明白
np.zeros((K,len(t)))产生K行,len(t)列的数组

    T = len(f)
    t = [(i + 1) / T for i in range(T)]  # 列表从1开始

最终t=[1/T,2/T,···,1]
t的长度和T的长度一样


vmd分解是把一个数据分成几个模态,每个模态分别构建一个lstm模型预测,再相加。
vmd函数返回值有一个u,u就是分解的模态。具体有几个模态视分解K值而定。
vmd的程序我在CSDN上面下载的,大家可以搜索一下,现在应该还在。

你可能感兴趣的:(python学习代码调试,python)