【tensorflow2.0】处理时间序列数据

2022-09-26 15:59:09

国内的新冠肺炎疫情从发现至今已经持续3个多月了，这场起源于吃野味的灾难给大家的生活造成了诸多方面的影响。

有的同学是收入上的，有的同学是感情上的，有的同学是心理上的，还有的同学是体重上的。

那么国内的新冠肺炎疫情何时结束呢？什么时候我们才可以重获*呢？

本篇文章将利用TensorFlow2.0建立时间序列RNN模型，对国内的新冠肺炎疫情结束时间进行预测。

一，准备数据

本文的数据集取自tushare，获取该数据集的方法参考了以下文章。

https://zhuanlan.zhihu.com/p/109556102

首先看下数据是什么样子的：

【tensorflow2.0】处理时间序列数据

有时间、确诊人数、治愈人数、死亡人数这些列。

然后是创建数据集：

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import tensorflow as tf

from tensorflow.keras import models,layers,losses,metrics,callbacks 

%matplotlib inline

%config InlineBackend.figure_format = 'svg'

df = pd.read_csv("./data/covid-19.csv",sep = "\t")

df.plot(x = "date",y = ["confirmed_num","cured_num","dead_num"],figsize=(10,6))

plt.xticks(rotation=60)

dfdata = df.set_index("date")

dfdiff = dfdata.diff(periods=1).dropna()

dfdiff = dfdiff.reset_index("date")

dfdiff.plot(x = "date",y = ["confirmed_num","cured_num","dead_num"],figsize=(10,6))

plt.xticks(rotation=60)

dfdiff = dfdiff.drop("date",axis = 1).astype("float32")

# 用某日前8天窗口数据作为输入预测该日数据

WINDOW_SIZE = 8

def batch_dataset(dataset):

    dataset_batched = dataset.batch(WINDOW_SIZE,drop_remainder=True)

    return dataset_batched

ds_data = tf.data.Dataset.from_tensor_slices(tf.constant(dfdiff.values,dtype = tf.float32)) \

   .window(WINDOW_SIZE,shift=1).flat_map(batch_dataset)

ds_label = tf.data.Dataset.from_tensor_slices(

    tf.constant(dfdiff.values[WINDOW_SIZE:],dtype = tf.float32))

# 数据较小，可以将全部训练数据放入到一个batch中，提升性能

ds_train = tf.data.Dataset.zip((ds_data,ds_label)).batch(38).cache()

【tensorflow2.0】处理时间序列数据

【tensorflow2.0】处理时间序列数据

二，定义模型

使用Keras接口有以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。

此处选择使用函数式API构建任意结构模型。

# 考虑到新增确诊，新增治愈，新增死亡人数数据不可能小于0，设计如下结构

class Block(layers.Layer):

    def __init__(self, **kwargs):

        super(Block, self).__init__(**kwargs)

    def call(self, x_input,x):

        x_out = tf.maximum((1+x)*x_input[:,-1,:],0.0)

        return x_out

    def get_config(self):

        config = super(Block, self).get_config()

        return config

tf.keras.backend.clear_session()

x_input = layers.Input(shape = (None,3),dtype = tf.float32)

x = layers.LSTM(3,return_sequences = True,input_shape=(None,3))(x_input)

x = layers.LSTM(3,return_sequences = True,input_shape=(None,3))(x)

x = layers.LSTM(3,return_sequences = True,input_shape=(None,3))(x)

x = layers.LSTM(3,input_shape=(None,3))(x)

x = layers.Dense(3)(x)

# 考虑到新增确诊，新增治愈，新增死亡人数数据不可能小于0，设计如下结构

# x = tf.maximum((1+x)*x_input[:,-1,:],0.0)

x = Block()(x_input,x)

model = models.Model(inputs = [x_input],outputs = [x])

model.summary()

【tensorflow2.0】处理时间序列数据

三，训练模型

训练模型通常有3种方法，内置fit方法，内置train_on_batch方法，以及自定义训练循环。此处我们选择最常用也最简单的内置fit方法。

注：循环神经网络调试较为困难，需要设置多个不同的学习率多次尝试，以取得较好的效果。

# 自定义损失函数，考虑平方差和预测目标的比值

class MSPE(losses.Loss):

    def call(self,y_true,y_pred):

        err_percent = (y_true - y_pred)**2/(tf.maximum(y_true**2,1e-7))

        mean_err_percent = tf.reduce_mean(err_percent)

        return mean_err_percent

    def get_config(self):

        config = super(MSPE, self).get_config()

        return config

import datetime

optimizer = tf.keras.optimizers.Adam(learning_rate=0.01)

model.compile(optimizer=optimizer,loss=MSPE(name = "MSPE"))

logdir = "./data/keras_model/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")

tb_callback = tf.keras.callbacks.TensorBoard(logdir, histogram_freq=1)

# 如果loss在100个epoch后没有提升，学习率减半。

lr_callback = tf.keras.callbacks.ReduceLROnPlateau(monitor="loss",factor = 0.5, patience = 100)

# 当loss在200个epoch后没有提升，则提前终止训练。

stop_callback = tf.keras.callbacks.EarlyStopping(monitor = "loss", patience= 200)

callbacks_list = [tb_callback,lr_callback,stop_callback]

history = model.fit(ds_train,epochs=500,callbacks = callbacks_list)

部分结果：

......

Epoch 491/500

1/1 [==============================] - 0s 11ms/step - loss: 0.2643 - lr: 0.0050

Epoch 492/500

1/1 [==============================] - 0s 12ms/step - loss: 0.2625 - lr: 0.0050

Epoch 493/500

1/1 [==============================] - 0s 12ms/step - loss: 0.2628 - lr: 0.0050

Epoch 494/500

1/1 [==============================] - 0s 11ms/step - loss: 0.2633 - lr: 0.0050

Epoch 495/500

1/1 [==============================] - 0s 12ms/step - loss: 0.2619 - lr: 0.0050

Epoch 496/500

1/1 [==============================] - 0s 11ms/step - loss: 0.2627 - lr: 0.0050

Epoch 497/500

1/1 [==============================] - 0s 11ms/step - loss: 0.2622 - lr: 0.0050

Epoch 498/500

1/1 [==============================] - 0s 12ms/step - loss: 0.2618 - lr: 0.0050

Epoch 499/500

1/1 [==============================] - 0s 12ms/step - loss: 0.2624 - lr: 0.0050

Epoch 500/500

1/1 [==============================] - 0s 12ms/step - loss: 0.2616 - lr: 0.0050

四，评估模型

评估模型一般要设置验证集或者测试集，由于此例数据较少，我们仅仅可视化损失函数在训练集上的迭代情况。

%matplotlib inline

%config InlineBackend.figure_format = 'svg'

import matplotlib.pyplot as plt

def plot_metric(history, metric):

    train_metrics = history.history[metric]

    epochs = range(1, len(train_metrics) + 1)

    plt.plot(epochs, train_metrics, 'bo--')

    plt.title('Training '+ metric)

    plt.xlabel("Epochs")

    plt.ylabel(metric)

    plt.legend(["train_"+metric])

    plt.show()

plot_metric(history,"loss")

【tensorflow2.0】处理时间序列数据

五，使用模型

此处我们使用模型预测疫情结束时间，即 新增确诊病例为0 的时间。

# 使用dfresult记录现有数据以及此后预测的疫情数据

dfresult = dfdiff[["confirmed_num","cured_num","dead_num"]].copy()

dfresult.tail()

【tensorflow2.0】处理时间序列数据

# 预测此后100天的新增走势,将其结果添加到dfresult中

for i in range(100):

    arr_predict = model.predict(tf.constant(tf.expand_dims(dfresult.values[-38:,:],axis = 0)))

    dfpredict = pd.DataFrame(tf.cast(tf.floor(arr_predict),tf.float32).numpy(),

                columns = dfresult.columns)

    dfresult = dfresult.append(dfpredict,ignore_index=True)

dfresult.query("confirmed_num==0").head()

【tensorflow2.0】处理时间序列数据

# 第55天开始新增确诊降为0，第45天对应3月10日，也就是10天后，即预计3月20日新增确诊降为0

# 注：该预测偏乐观

dfresult.query("cured_num==0").head()

【tensorflow2.0】处理时间序列数据

# 第164天开始新增治愈降为0，第45天对应3月10日，也就是大概4个月后，即7月10日左右全部治愈。

# 注: 该预测偏悲观，并且存在问题，如果将每天新增治愈人数加起来，将超过累计确诊人数。

dfresult.query("dead_num==0").head()

# 第60天开始，新增死亡降为0，第45天对应3月10日，也就是大概15天后，即20200325

# 该预测较为合理

【tensorflow2.0】处理时间序列数据

六，保存模型

推荐使用TensorFlow原生方式保存模型。

model.save('./data/tf_model_savedmodel', save_format="tf")

print('export saved model.')

model_loaded = tf.keras.models.load_model('./data/tf_model_savedmodel',compile=False)

optimizer = tf.keras.optimizers.Adam(learning_rate=0.001)

model_loaded.compile(optimizer=optimizer,loss=MSPE(name = "MSPE"))

model_loaded.predict(ds_train)

参考：

开源电子书地址：https://lyhue1991.github.io/eat_tensorflow2_in_30_days/

GitHub 项目地址：https://github.com/lyhue1991/eat_tensorflow2_in_30_days

上一篇：超过1W字深度剖析JVM常量池（全网最详细最有深度）


下一篇：CodeForces - 425E Sereja and Sets 题解