基于pytorch使用一维卷积网络CNN的单特征的风速预测项目实战（适用于单特征预测问题）

一、项目简介

本项目基于Pytorch使用一维卷积网络（CNN）实现时间序列（风速）的预测，只使用风速一个特征来预测风速，适用于单特征序列的预测问题，适用于初学预测的小伙伴。大部分代码参考多个网络上的代码，本人主要对整个项目分解到各个py文件中形成一个完整项目的基本框架，其他类似项目可以用这个框架进行修改，此外本人还对部分细节进行了修改，例如增加和修改了loss计算和相应的绘图，还增加了对pth文件的使用。

二、数据集

采用的是wind_dataset.csv，数据集时间、风速、降雨量等等参数，本项目只采用风速特征来预测未来一天的风速，即WIND这一列。数据展示如下

 三、我的实验环境

平台：window11
语言：python3.9
编译器：Pycharm
Pytorch:1.13.1+cu116

四、实验内容及文件说明

1、model.py

model.py定义了项目用到的网络模型，本项目用到的模型是三层的一维卷积网络，使用relu激活，全连接层输出预测结果。

 2、Config.py

 Config.py文件定义了项目所需要用到的所有参数，把这些参数统一整合到一个文件中，实现参数的统一管理。

 3、train.py

train.py是项目训练过程的通用代码，其他项目也可以在它的基础上修改后使用。

 4、DataSplit.py 数据划分

DataSplit.py 是实现数据划分的函数，通过滑动窗口，将每个timestep大小的数据作为训练数据，将其后面一个数据作为预测结果，再进行划分训练数据和标签，最后分成训练集和验证集

5、test_wind_CNN.py 训练文件

该py文件实现整体训练流程并做绘图操作。依次实现加载数据、数据标准化、取出WIND数据、划分训练集测试集、数据转化为Tensor、形成数据更迭器、载入模型、定义损失、定义优化器、开始训练、损失可视化、显示预测结果。

五、实验结果

以下实验结果展示的是epochs=80的训练过程，使用进度条展示训练过程

​训练完成后输出损失对比如图所示。

 选取200个点进行预测展示，其中蓝色是预测的数据，红色的实际的，第一张图是训练数据的预测效果，第二张图是测试集的训练效果。可以看出来，一些极端值的预测效果不太好。

六、总结及资源

此篇作为毕设笔记记录下来，若有朋友需要源码，可以关注OurTwenty公众号，回复【风速预测cnn】，即可获得。