时间序列模型SCINet模型（自定义项目）

前言

• 读完代码解析篇，我们针对开源项目中的模型预测方法做一下介绍。Github源码下载地址
• 下载数据集ETTh、PEMS、Traffic、Splar-Energy、Electricity、Exchange-Rate，这几类公共数据集的任意一类就行。这里以ETTh数据集为例，先在项目文件夹下新建datasets文件夹，然后将数据集移至其中
• 打开项目文件夹下run_ETTh.py文件，只需要检查一下数据路径、名称和csv文件就行

# 数据名称
parser.add_argument('--data', type=str, required=False, default='ETTh1', choices=['ETTh1', 'ETTh2', 'ETTm1'], help='name of dataset')
# 数据路径
parser.add_argument('--root_path', type=str, default='./datasets/', help='root path of the data file')
# 数据文件
parser.add_argument('--data_path', type=str, default='ETTh1.csv', help='location of the data file')

• 然后跑一下，看看跑不跑的通，注意一定要是在GPU环境下，否则报错，后面的自定义项目是建立在原代码能跑通的情况下。

自定义项目

参数设定修改

• 首先将需要预测的数据集放入datasets文件夹中，时间列列名必须为date。
• 然后我们复制run_ETTh.py文件，并粘贴在项目文件夹下，重命名为run_power.py这个名字随便取，别和已有文件重复就行。
• 打开run_power.py文件，修改开头库导入部分，主要是最后一句，要导入Exp_power

import argparse
import os
import torch
import numpy as np
from torch.utils.tensorboard import SummaryWriter
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
from experiments.exp_power import Exp_power

• 修改数据载入部分，包括数据名称、路径、文件、目标预测列、采样间隔（我用的数据集是每1分钟收集一次数据，所以参数设为t）

# 数据名称
parser.add_argument('--data', type=str, required=False, default='power data', choices=['ETTh1', 'ETTh2', 'ETTm1'], help='name of dataset')
# 数据路径
parser.add_argument('--root_path', type=str, default='./datasets/', help='root path of the data file')
# 文件名
parser.add_argument('--data_path', type=str, default='power data.csv', help='location of the data file')
# 多变量预测
parser.add_argument('--features', type=str, default='M', choices=['S', 'M'], help='features S is univariate, M is multivariate')
# 目标列
parser.add_argument('--target', type=str, default='总有功功率（kw）', help='target feature')
# 采样间隔（分钟）
parser.add_argument('--freq', type=str, default='t', help='freq for time features encoding, options:[s:secondly, t:minutely, h:hourly, d:daily, b:business days, w:weekly, m:monthly], you can also use more detailed freq like 15min or 3h')
# 模型保存路径
parser.add_argument('--checkpoints', type=str, default='exp/ETT_checkpoints/', help='location of model checkpoints')
# 是否翻转时间序列
parser.add_argument('--inverse', type=bool, default =False, help='denorm the output data')
# 选择时间编码方式
parser.add_argument('--embed', type=str, default='timeF', help='time features encoding, options:[timeF, fixed, learned]')

• 修改项目预测需求以及回视窗口等参数

parser.add_argument('--seq_len', type=int, default = 480, help='input sequence length of SCINet encoder, look back window')
parser.add_argument('--label_len', type=int, default = 288, help='start token length of Informer decoder')
parser.add_argument('--pred_len', type=int, default = 960, help='prediction sequence length, horizon')

• 再修改特征数量设置，data_parser变量，在run_power.py文件中只需要更改这些。

data_parser = {'power data': {'data': 'power data.csv', 'T': '总有功功率（kw）', 'M': [5, 5, 5], 'S': [1, 1, 1], 'MS': [5, 5, 1]},}

• 注意，如果需要模型输出中间结果，即预测值、真实值，测试值等，请将--save参数置为True

parser.add_argument('--save', type=bool, default = True, help='save the output results')

• 同样的，打开experiments文件夹，复制exp_ETTh.py文件，并粘贴在同目录中，重命名为exp_power.py，并将其中Exp_ETTh类修改为Exp_power。

class Exp_power(Exp_Basic):

数据处理

• 打开experiments文件夹下exp_power.py文件，修改Exp_power类下_build_model函数，in_dim函数修改为数据特征数，我这里是5，所以in_dim = 5

def _build_model(self):

        if self.args.features == 'S':
            in_dim = 1
        elif self.args.features == 'M':
            # 自定义项目需要修改
            in_dim = 5
        else:
            print('Error!')

• 再跳转到_get_data函数，修改data_dict

data_dict = {'power data': Dataset_Custom}

• 在exp_power.py文件中只需要更改这些。到此为止，项目修改工作结束，这时跑一下run_power.py函数看看能否跑的通。

在kaggle上使用

• 因为该源码只支持在GPU上运行，若使用的设备没有GPU，我们可以将项目文件搬到kaggle上进行，首先还是要根据上述说明修改好项目文件，然后打包成zip文件上传至kaggle数据集中。
• 新建notebook文件，并将其设置为P100GPU模式下
  

导入包

• 加入环境变量

import sys
if not '/kaggle/input/scinet-model-data' in sys.path:
    sys.path += ['/kaggle/input/scinet-model-data']

• 导入必要包

import argparse
import os
import torch
import numpy as np
import optuna
from torch.utils.tensorboard import SummaryWriter
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
from experiments.exp_power import Exp_power

参数传导

args = argparse.ArgumentParser(description='SCINet on ETT dataset')

args.model = 'SCINet'

args.data = 'power data'
args.root_path = '/kaggle/input/scinet-model-data/datasets/'
args.data_path = 'power data.csv'
args.features ='M'
args.target = '总有功功率（kw）'
args.freq = 't'
args.checkpoints = 'exp/power_checkpoints/'
args.inverse = False
args.embed ='timeF'


### -------  device settings --------------
args.use_gpu = True
args.gpu = 0
args.use_multi_gpu = False
args.devices = '0'

### -------  input/output length settings --------------                                                                            
args.seq_len = 480
args.label_len = 288
args.pred_len = 960
args.concat_len = 0
args.single_step = 0
args.single_step_output_One = 0
args.lastWeight = 1.0

### -------  training settings --------------  
args.cols = False
args.num_workers = 0
args.itr = 0
args.train_epochs = 100
args.batch_size = 128
args.patience = 5
args.lr = 1e-4
args.loss = 'SmoothL1Loss'
args.optim = 'AdamW'
args.lradj = 1
args.use_amp = False
# 是否保存结果文件
args.save = True
args.model_name = 'SCINet'
args.resume = False
args.evaluate = False

### -------  model settings --------------  
args.hidden_size = 1.995
args.INN = 1
args.kernel = 7
args.dilation = 1
args.window_size = 480
args.dropout = 0.5
args.positionalEcoding = False
args.groups = 1
args.levels = 3
args.stacks = 2
args.num_decoder_layer = 1
args.RIN = False
args.decompose = False

检查GPU

args.use_gpu = True if torch.cuda.is_available() and args.use_gpu else False

if args.use_gpu and args.use_multi_gpu:
    args.devices = args.devices.replace(' ', '')
    device_ids = args.devices.split(',')
    args.device_ids = [int(id_) for id_ in device_ids]
    args.gpu = args.device_ids[0]

定义数据加载

data_parser = {'power data': {'data': 'power data.csv', 'T': '总有功功率（kw）', 'M': [5, 5, 5], 'S': [1, 1, 1], 'MS': [5, 5, 1]},}

if args.data in data_parser.keys():
    data_info = data_parser[args.data]
    args.data_path = data_info['data']
    args.target = data_info['T']
    args.enc_in, args.dec_in, args.c_out = data_info[args.features]

args.detail_freq = args.freq
args.freq = args.freq[-1:]

复现设置

torch.manual_seed(2023)  # reproducible
torch.cuda.manual_seed_all(2023)
torch.backends.cudnn.benchmark = False
torch.backends.cudnn.deterministic = True  # Can change it to False --> default: False
torch.backends.cudnn.enabled = True

训练模型

Exp = Exp_power

mae_ = []
maes_ = []
mse_ = []
mses_ = []

setting = '{}_levels {}_kernel {}_hidden {}'.format(args.model,args.levels,args.kernel,args.hidden_size)
exp = Exp(args)  # set experiments
exp.train(setting)
mae, maes, mse, mses = exp.test(setting)
print('{:s}:{:.4f},mae:{:.4f}'.format(setting, mse, mae))

模型参数调节

• 根据论文，较为重要的几个参数分别为--kernel、--levels、--stacks、--hidden_size其次是--lr、--dropout，我的建议是先调节联合调节--kernel、--levels、--stacks参数，然后再调节--lr、--dropout
• 参数调节范围建议：
  • --kernel整型[1,7]
  • --levels整型[1,5]
  • --stacks整型[1,2]
  • --hidden_size浮点型[0.1,2]
• 调参时可以选择ray、optuna等智能调参框架，也可以选择写脚本进行网格搜索等等。但该模型时空复杂度并不低，这里还是建议选用智能优化调参框架，在时间尽可能短的情况下锁定局部最优解。

后记

• 这里放一张模型训练完成后绘制的真实值与预测值间对比图