使用TimeGAN建模和生成时间序列数据

在本文中，我们将研究时间序列数据并探索一种生成合成时间序列数据的方法。
时间序列数据—简要概述
时间序列数据与常规表格数据有什么不同呢？时间序列数据集有一个额外的维度——时间。我们可以将其视为3D数据集。比如说，我们有一个包含5个特征和5个输入实例的数据集。

文章图片
那么时间序列数据基本上是该表在第3维的扩展，其中每个新表只是新时间步长的另一个数据集。

文章图片
主要的区别是时间序列数据与表格数据相比有更多的数据点实例。
能源数据集的案例研究
如果我们看一下能源数据集，它实际上看起来只是一个常规的表格数据集，每一行都意味着一个新的时间步长，并以特性的形式具有相应的数据点。根据数据列，每个条目在持续10分钟后被记录。

文章图片
但是我们在前一节中看到它看起来像一个3D表格数据集。在这里，我们可以使用一种采样数据点的方法来创建第三维。
我们取一个大小为24的窗口，并沿着数据集的行运行它，每次移动一个位置，从而获得一定数量的2D矩阵，每个矩阵的长度为24 ，并具有所有列特征。

文章图片
在这个数据集中，有19736行。通过每24行移位采样，我们得到19712个条目，每个条目有24行和28个特征。当然，我们可以随机混合它们，使它们成为独立和同分布(IID) 。因此，我们得到了一个维度(19712 ， (24,28))的数据集，其中每个19712实例有24行(即时间步)和28个特性。
使用TimeGAN生成时间序列数据
TimeGAN(时间序列生成对抗网络)是一种合成时间序列数据的实现。论文的作者也提供了相应的Python实现，在本文中，我们将使用0.3.0版本，这是撰写本文时的最新版本。
pipinstallydata-synthetic==0.3.0
有关这方面的更多细节请参阅ydata-synthetic的github源代码。在本节中，我们将查看如何使用能量数据集作为输入源来生成时间序列数据集。
我们首先读取数据集，然后以数据转换的形式进行预处理。这个预处理实质上是在[0,1]范围内缩放数据。
fromydata_synthetic.preprocessing.timeseries.utilsimportreal_data_loading
file_path="./data/energy_data.csv"
energy_df=pd.read_csv(file_path)
try:
energy_df=energy_df.set_index('Date').sort_index
except:
energy_df=energy_df
#Datatransformationstobeappliedpriortobeusedwiththesynthesizermodel
energy_data=https://pcff.toutiao.jxnews.com.cn/p/20210909/real_data_loading(energy_df.values,seq_len=seq_len)
print(len(energy_data),energy_data[0].shape)
现在，从这个时间序列数据(energy_data)生成实际的合成数据是最简单的部分。我们在energy_data上训练TimeGAN模型，然后使用这个训练过的模型生成更多的数据。
fromydata_synthetic.synthesizers.timeseriesimportTimeGAN
synth=TimeGAN(model_parameters=gan_args,hidden_dim=hidden_dim,seq_len=seq_len,n_seq=n_seq,gamma=1)
synth.train(energy_data,train_steps=500)
synth.save('synth_energy.pkl')
synth_data=https://pcff.toutiao.jxnews.com.cn/p/20210909/synth.sample(len(energy_data))
这里我们根据需求适当地定义要提供给TimeGAN构造器的参数。我们将n_seq定义为28(特性) ， seq_len定义为24(时间步骤) 。其余参数定义如下:
seq_len=24#Timesteps
n_seq=28#Features
hidden_dim=24#Hiddenunitsforgenerator(GRU&LSTM).