public double? Forecast(TimeSeries source, int horizon, ForecastSettings settings)
{
var i = source.timeseries.Count - 1; //это означает, что хотим получить прогноз для последнего значения в ряду
var counter = i % timestampNumber;
List<double> inputVector = createInputVector(i, source, settings, maxValues[counter], minValues[counter], timestampNumber);
if (inputVector == null) return null; //не получилось
if (networkSet.Count <= counter) return null;
networkSet[counter].propagate(inputVector);
var output = networkSet[counter].Outputs.First();
output = output*(maxValues[counter] - minValues[counter]) + minValues[counter];
return output;
}
public onNeuralPredictionFilter(FilterParameters parameters, DateTime trainTill, DataExchange exchange = null)
{
this.exchange = exchange;
this.waitUntil = trainTill;
this.timeSeries = new TimeSeries(0);
settings = new ForecastSettings();
for (int i = 0; i < 5; i++)
{
settings.energyLags.Add(i + 1);
}
model = new MultipleNeuralNetworksModel();
this.parameters = parameters;
parameters.Values["model"] = model;
}
public offPredictionFittingFilter(FilterParameters parameters, DateTime trainTill, Dictionary<string, int> time, DataExchange exchange = null)
{
this.exchange = exchange;
this.time = time;
this.waitUntil = trainTill;
this.parameters = parameters;
settings = new ForecastSettings();
for (int i = 0; i < 5; i++)
{
settings.energyLags.Add(i + 1);
}
for (int i = 0; i < PACKAGE_SIZE; i++)
{
timeSeriesEnsemble.Add(new TimeSeries(0));
}
}
/// <summary>
/// Тренировка модели.
/// </summary>
/// <param name="source">Подготовленный список значений для тренировки.
/// "Подготовленность" заключается в том, что каждое значение списка содержит все значения в соответствующее время суток.
/// Например, source[0] содержит все значения энергопотребления в 00:00, source[1] - в 00:15, и так далее. В данном примере длина списка будет равна 96.</param>
/// <param name="settings">Настройки прогнозирования.</param>
/// <param name="additionalTraining">Производится ли дообучение модели.</param>
public void Train(List<TimeSeries> source, ForecastSettings settings, bool additionalTraining)
{
var trainSet = new List<StructuredDataSet>();
var cvSet = new List<StructuredDataSet>();
for (int i = 0; i < timestampNumber; i++)
{
trainSet.Add(new StructuredDataSet());
cvSet.Add(new StructuredDataSet());
double valueMax = 0;
double valueMin = double.MaxValue;
for (int day = 0; day < source[i].timeseries.Count; day++)
{
var value = source[i].timeseries[day];
valueMax = Math.Max(value, valueMax);
valueMin = Math.Min(value, valueMin);
}
maxValues[i] = valueMax;
minValues[i] = valueMin;
trainSet[i].Pairs = new List<DataPair>();
//преобразуем то, что нужно в выборки данных.
//формируем trainingset
for (int time = settings.energyLags.Max(); time < source[i].timeseries.Count(); time++)
{
DataPair trainingPair = new DataPair();
trainingPair.InputVector = createInputVector(time, source[i],
settings, maxValues[i], minValues[i], 1);
trainingPair.OutputVector = createOutputVector(time, source[i],
maxValues[i], minValues[i]);
if(trainingPair.InputVector != null)
trainSet[i].Pairs.Add(trainingPair);
}
if (trainSet[i].Pairs.Any())
{
var neuralNetwork = new MultiLayersNN(
trainSet[i].Pairs[0].InputVector.Count,
trainSet[i].Pairs[0].OutputVector.Count,
4,
new[]
{
trainSet[i].Pairs[0].InputVector.Count,
8, 8,
trainSet[i].Pairs[0].OutputVector.Count
});
neuralNetwork.trainNetwork(trainSet[i], 1000, 0.1, true);
for (int e = 0; e < neuralNetwork.absoluteErrors.Count; e++)
{
//денормализация
neuralNetwork.absoluteErrors[e] = (neuralNetwork.absoluteErrors[e] * (maxValues[i] - minValues[i]) + minValues[i]);
}
if (networkSet.Count <= i)
networkSet.Add(neuralNetwork);
else
networkSet[i] = neuralNetwork;
}
}
}
/// <summary>
/// Извлечь входной вектор для обучения
/// </summary>
/// <param name="counter">Порядковый номер значения во временном ряду, которое будет прогнозироваться.</param>
/// <param name="source">Временной ряд, из которого брать значения.</param>
/// <param name="settings">Настройки прогнозирования.</param>
/// <param name="_maxValue">Максимальное значение для данного времени суток.</param>
/// <param name="_minValue">Минимальное значение для данного времени суток.</param>
/// <param name="timestampNumber">Количество отсчетов в день.</param>
/// <returns></returns>
private List<double> createInputVector(int counter, TimeSeries source, ForecastSettings settings, double _maxValue, double _minValue, int timestampNumber)
{
//вычисляем нижнюю границу, т.е. минимальное количество ретроспективных значений,
//необходимое для осуществления прогноза
var minLength = settings.energyLags.Max() * timestampNumber;
//если доступно значений меньше, чем нужно, то ничего не получится
if (counter < minLength) return null;
List<double> InputVector = new List<double>();
InputVector.Add(1.0); //это вот точно здесь нужно? зачем?
for (int j = 0; j < settings.energyLags.Count; j++)
{
var energyValue = source.timeseries[counter - (settings.energyLags[j] * timestampNumber)];
var normalizedValue = _maxValue != _minValue ? (energyValue - _minValue)/(_maxValue - _minValue) : 0.5;
InputVector.Add(normalizedValue);
}
return InputVector;
}
