新建仓库维护数据预测项目

TVS_DL/LoadData.py

@@ -0,0 +1,33 @@
+import pandas as pd
+import torch
+import numpy as np
+from sklearn.preprocessing import StandardScaler, MinMaxScaler
+# 数据预处理
+def process_data(file_path):
+    # 读取Excel文件，跳过首行，使用科学计数法解析
+    df = pd.read_excel(file_path, header=None,sheet_name="sample1")
+
+    # 提取输入输出数据
+    inputs = df.iloc[:, 1:9].values.astype(np.float32)  # 第2-9列
+    outputs = df.iloc[:, 10:19].values.astype(np.float32)  # 第11-19列
+
+    # 数据标准化
+    input_scaler = StandardScaler()
+    output_scaler = StandardScaler()
+    inputs = input_scaler.fit_transform(inputs)
+    outputs = output_scaler.fit_transform(outputs)
+    #
+    # input_scaler = MinMaxScaler(feature_range=(-1, 1))
+    # output_scaler = MinMaxScaler(feature_range=(-1, 1))
+    # inputs = input_scaler.fit_transform(inputs)
+    # outputs = output_scaler.fit_transform(outputs)
+
+    return inputs, outputs, input_scaler, output_scaler
+
+# 创建序列数据集 look_back：依据时间序列 pred_step：推测时间序列
+def create_sequences(inputs, outputs, look_back=8, pred_step=1):
+    X, y = [], []
+    for i in range(len(inputs) - look_back - pred_step):
+        X.append(inputs[i:i + look_back])
+        y.append(outputs[(i+look_back):(i+look_back+pred_step)])
+    return torch.FloatTensor(np.array(X)), torch.FloatTensor(np.array(y))