这是一个浪潮,山大齐鲁交通学院,山大计算机学院的交叉项目,背景为隧道开发过程中测量前方的地质情况,在隧道两侧分别放置六个探测器,敲击隧道墙壁,探测器接收声波,每个探测器敲击一次收到一个5120x36的时序数据SAP文件(5120为时间戳数目,36为特征数目),每天敲击3次,共得到3x6x2=36个文件,为一个大文件夹。20天有20个文件夹。每个SAP文件有5120时间戳x36特征,每个SAP文件对应一个关于地质等级的分类标签(目前5类)。
数据处理:
利用process_data.py文件遍历sap文件夹,(1)把文件转换成csv格式,(2)过滤掉时间戳数目不等于5120的文件,(3)删除掉一些无用的列(NAN值列),(4)给每个文件夹生成一个label.csv文件,36行分为代表此文件夹内的36个文件对应的分类标签(目前是一个文件夹内36个文件的标签是一样的,但随着项目的进一步深入,可能会出现一些复杂的情况;)
提供的数据说明:
SAP形式的原数据给出了两个样本;【不全,了解原数据什么样子就好】
data20文件夹里是process_data.py之后的csv;
data20.csv 和label20.csv是拼接之后得到的;
在mlp,lstm,transformer等主代码文件的main函数读取数据时,会遍历读取文件夹内的csv文件,并将所有数据拼接到一个csv中,如data20.csv。
main中有时会用EACH_SAP_LEN截取5120个时间戳的前EACH_SAP_LEN个,因为可视化时间序列后可以看到后面一段数据通常比较平稳,具体要不要截取,要等以后有了更好的数据再去尝试;
关于代码:
均包括train.py EarlyStopping.py ,需要自己创建loss,pretrained文件夹保存结果和模型
运行以下模型:【自己在main里面改一下数据的路径】
python MLP.py --- 5120x36->1x5
python mlp_win.py --- 划分了滑动窗口,比如每100个时间戳长度的序列判断一次标签;
python lstm20.py --- 划分了滑动窗口
python attention.py
python transformer.py
python BILSTM_seq2seq.py
关于结果:
由于现阶段收集的数据比较脏,分类效果并不好,所以要等他们收集要更有效的数据之后再行尝试;
现在的进度是跑通了模型;
没有合适的资源?快使用搜索试试~ 我知道了~
时序预测,时间序列分类,深度学习算法
共100个文件
pyc:58个
py:39个
txt:3个
需积分: 0 8 下载量 46 浏览量
2023-05-28
23:21:10
上传
评论
收藏 177KB ZIP 举报
温馨提示
时序预测,时间序列分类,深度学习算法
资源推荐
资源详情
资源评论
收起资源包目录
时序预测,时间序列分类,深度学习算法 (100个子文件)
BILSTM_seq2seq.py 22KB
transformer.py 21KB
attention.py 20KB
mlp_win.py 18KB
lstm20.py 17KB
MLP.py 14KB
process_data.py 10KB
process_data.py 10KB
process_data.py 10KB
model.py 7KB
model.py 7KB
train.py 6KB
train.py 6KB
train.py 6KB
train.py 6KB
attn.py 6KB
attn.py 6KB
timefeatures.py 5KB
timefeatures.py 5KB
encoder.py 4KB
encoder.py 4KB
tools.py 3KB
tools.py 3KB
embed.py 2KB
embed.py 2KB
decoder.py 2KB
decoder.py 2KB
EarlyStopping.py 2KB
EarlyStopping.py 2KB
EarlyStopping.py 2KB
EarlyStopping.py 2KB
masking.py 851B
masking.py 851B
metrics.py 826B
metrics.py 826B
__init__.py 0B
__init__.py 0B
__init__.py 0B
__init__.py 0B
timefeatures.cpython-37.pyc 8KB
timefeatures.cpython-37.pyc 8KB
timefeatures.cpython-38.pyc 7KB
timefeatures.cpython-38.pyc 7KB
attn.cpython-38.pyc 5KB
attn.cpython-38.pyc 5KB
attn.cpython-39.pyc 5KB
attn.cpython-39.pyc 5KB
embed.cpython-38.pyc 5KB
embed.cpython-38.pyc 5KB
attn.cpython-37.pyc 5KB
attn.cpython-37.pyc 5KB
model.cpython-37.pyc 5KB
model.cpython-37.pyc 5KB
model.cpython-38.pyc 5KB
model.cpython-38.pyc 5KB
encoder.cpython-37.pyc 4KB
encoder.cpython-37.pyc 4KB
encoder.cpython-39.pyc 4KB
encoder.cpython-39.pyc 4KB
encoder.cpython-38.pyc 3KB
encoder.cpython-38.pyc 3KB
tools.cpython-38.pyc 3KB
tools.cpython-38.pyc 3KB
tools.cpython-37.pyc 3KB
tools.cpython-37.pyc 3KB
embed.cpython-39.pyc 3KB
embed.cpython-39.pyc 3KB
embed.cpython-37.pyc 3KB
embed.cpython-37.pyc 3KB
decoder.cpython-39.pyc 2KB
decoder.cpython-39.pyc 2KB
decoder.cpython-37.pyc 2KB
decoder.cpython-37.pyc 2KB
decoder.cpython-38.pyc 2KB
decoder.cpython-38.pyc 2KB
masking.cpython-39.pyc 1KB
masking.cpython-39.pyc 1KB
metrics.cpython-37.pyc 1KB
metrics.cpython-37.pyc 1KB
masking.cpython-37.pyc 1KB
masking.cpython-37.pyc 1KB
metrics.cpython-38.pyc 1KB
metrics.cpython-38.pyc 1KB
masking.cpython-38.pyc 1KB
masking.cpython-38.pyc 1KB
__init__.cpython-39.pyc 197B
__init__.cpython-39.pyc 197B
__init__.cpython-39.pyc 196B
__init__.cpython-39.pyc 196B
__init__.cpython-37.pyc 166B
__init__.cpython-37.pyc 166B
__init__.cpython-37.pyc 165B
__init__.cpython-37.pyc 165B
__init__.cpython-38.pyc 145B
__init__.cpython-38.pyc 145B
__init__.cpython-38.pyc 144B
__init__.cpython-38.pyc 144B
read_me.txt 3KB
read_me.txt 3KB
readme.txt 2KB
共 100 条
- 1
资源评论
cloudless_sky
- 粉丝: 93
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功