电力负荷预测任务（基于GRU模型）

数据：2000-2002三年每小时的电力负载

程序以及数据链接（如果受益，请给个关注和star）：https://github.com/xzdLYL/electrical_load_prediction

任务目标：以2000，2001年数据训练模型，使之能够在2002年利用一周的电力负荷数据预测下一天的电力负荷（例如：2002年第一周的电力负荷为模型输入，2002年第二周第一天的电力负荷为预测目标）

数据预处理：在数据中加入季节（以0， 0.25， 0.5， 0.75分别代表春夏秋冬）以及周内周末（以0表示周末，以1表示周内）信息。因此，模型输入数据为7*26维（包括7天，每天24小时的电力负荷数据和季节、周内周末信息）；模型的输出目标为24维（预测一天内的电力负荷）。

程序环境：

pytorch gpu版本，以及其他matplotlib，numpy等基本库

程序使用方法：

1. 运行bin中的csv_to_numpy.py  将csv文件保存为npy文件，保存位置为data文件夹

2. 运行dataset_construction中的dataset_prepare.py  构建训练，测试数据的输入数据和标签数据，保存位置为data文件夹

以上所用模型为models文件夹中的GRU_model.py

3. 运行bin中的prediction.py  训练模型，训练好的模型参数保存在trained_model_parameter文件夹中， 本次测试数据的预测结果保存在prediction_result文件夹中，模型会输出一段24小时的测试数据预测结果

 

4.  运行bin中的pic.py可以得到多种曲线，包括模型预测误差，损失曲线下降过程等