torch 时间序列继续：首次尝试多步预测

我们从本系列第一篇文章的内容开始：应对多步骤时间序列预测的任务。

本系列第一篇文章

我们的第一次尝试是一种变通方法。该模型经过训练可以提供与下一个时间点相对应的单个预测。因此，如果我们需要更长的预测，我们所能做的就是使用该预测并将其反馈给模型，将输入序列移动一个值（例如，从 \([x_{t-n}, ..., x_t]\) 到 \([x_{t-n-1}, ..., x_{t+1}]\)）。

\([x_{t-n}, ..., x_t]\) \([x_{t-n-1}, ..., x_{t+1}]\)

相比之下，新模型将被设计和训练为一次预测可配置数量的观测值。架构仍然是基本的——考虑到任务，尽可能的基本——因此，可以作为后续尝试的基线。

数据输入

我们使用与以前相同的数据，来自 tsibbledata 的 vic_elec。

vic_elec tsibbledata

但与上次相比，数据集类必须改变。虽然以前对于每个批次项目，目标 (y) 都是单个值，但现在它是一个向量，就像输入 x 一样。就像 n_timesteps 曾经（现在仍然）用于指定输入序列的长度一样，现在有第二个参数 n_forecast 来配置目标大小。

dataset y x n_timesteps n_forecast

在我们的示例中，n_timesteps 和 n_forecast 设置为相同的值，但没有必要这样。您可以同样好地对为期一周的序列进行训练，然后预测一天或一个月的发展。

n_timesteps n_forecast

除了 .getitem() 现在返回 y 和 x 的向量之外，关于数据集创建没有太多可说的。以下是设置数据输入管道的完整代码：

.getitem() y x n_timesteps <- 7 * 24 * 2 n_timesteps <- 7 * 24 * 2 n_forecast <- 7 * 24 * 2 n_forecast <- 7 * 24 * 2 batch_size <- 32 batch_size <- 32 vic_elec_get_year <- function(year, month = NULL) { vic_elec_get_year <- function ( year month = NULL ) { vic_elec %>% vic_elec %>% filter filter （ 年 （ 日期 ） == 年 （