tensorflow下用LSTM网络进行时间序列预测

tensorflow下用LSTM网络进行时间序列预测，实时多变量预测以及对于未来数据的单变量预测。

#！/usr/bin/env python
# encoding: utf-8
‘‘‘
@author: 真梦行路
@file: tf_lstm.py
@time: 2018/8/9 17:11
‘‘‘
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import os

df=pd.read_csv（os.getcwd（）+‘\\data\\dataset_1.csv‘encoding=‘gbk‘）
data=np.array（df[‘最高价‘]）
data=data[::-1]

plt.figure（）
plt.plot（data）
normalize_data=（data-np.mean（data））/np.std（data）
normalize_data=normalize_data[:np.newaxis]

time_step=20
rnn_unit=10
batch_size=60
input_size=1
output_size=1
lr=0.0006
train_xtrain_y=[][]

for i in range（len（normalize_data）-time_step-1）:
    x=normalize_data[i:i+time_step]
    y=normalize_data[i+1:i+time_step+1]
    train_x.append（x.tolist（））
    train_y.append（y.tolist（））

X=tf.placeholder（tf.float32 [Nonetim

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-08-27 10:04  tf_lstm\
     目录           0  2018-08-27 09:41  tf_lstm\data\
     文件      107822  2018-01-19 13:15  tf_lstm\data\dataset_1.csv
     文件      557149  2018-01-19 13:15  tf_lstm\data\dataset_2.csv
     目录           0  2018-08-27 10:03  tf_lstm\data\module\
     文件         885  2018-08-27 10:03  tf_lstm\data\module\checkpoint
     文件       10460  2018-08-27 10:03  tf_lstm\data\module\stock1.model-100.data-00000-of-00001
     文件         693  2018-08-27 10:03  tf_lstm\data\module\stock1.model-100.index
     文件      129120  2018-08-27 10:03  tf_lstm\data\module\stock1.model-100.meta
     文件      129120  2018-08-24 10:44  tf_lstm\data\module\stock1.model-19.meta.tmp0fcc262a0c094234a05ec79593775cd5
     文件       10460  2018-08-24 13:00  tf_lstm\data\module\stock1.model-295.data-00000-of-00001
     文件         693  2018-08-24 13:00  tf_lstm\data\module\stock1.model-295.index
     文件      129120  2018-08-24 13:00  tf_lstm\data\module\stock1.model-295.meta
     文件       10460  2018-08-24 13:00  tf_lstm\data\module\stock1.model-296.data-00000-of-00001
     文件         693  2018-08-24 13:00  tf_lstm\data\module\stock1.model-296.index
     文件      129120  2018-08-24 13:00  tf_lstm\data\module\stock1.model-296.meta
     文件       10460  2018-08-24 13:00  tf_lstm\data\module\stock1.model-297.data-00000-of-00001
     文件         693  2018-08-24 13:00  tf_lstm\data\module\stock1.model-297.index
     文件      129120  2018-08-24 13:00  tf_lstm\data\module\stock1.model-297.meta
     文件       10460  2018-08-24 13:00  tf_lstm\data\module\stock1.model-298.data-00000-of-00001
     文件         693  2018-08-24 13:00  tf_lstm\data\module\stock1.model-298.index
     文件      129120  2018-08-24 13:00  tf_lstm\data\module\stock1.model-298.meta
     文件       10460  2018-08-24 13:01  tf_lstm\data\module\stock1.model-299.data-00000-of-00001
     文件         693  2018-08-24 13:01  tf_lstm\data\module\stock1.model-299.index
     文件      129120  2018-08-24 13:01  tf_lstm\data\module\stock1.model-299.meta
     文件      129120  2018-08-27 09:59  tf_lstm\data\module\stock1.model-4.meta.tmpb53b7e0c7f82479bade275b4bcfa78b8
     文件           0  2018-08-24 11:35  tf_lstm\data\module\stock1.model-6.meta.tmpe797ef9f6de446c0bd90290dbc156424
     文件       10460  2018-08-27 10:03  tf_lstm\data\module\stock1.model-96.data-00000-of-00001
     文件         693  2018-08-27 10:03  tf_lstm\data\module\stock1.model-96.index
     文件      129120  2018-08-27 10:03  tf_lstm\data\module\stock1.model-96.meta
     文件       10460  2018-08-27 10:03  tf_lstm\data\module\stock1.model-97.data-00000-of-00001
............此处省略34个文件信息