python - 创建一个能够在一定范围内预测用电量的神经网络

Question

我有许多针对不同类型客户的使用模式。大型工厂和小型客户甚至是单个设备，例如 AC 装置。我正在尝试使用 keras 创建一个模型，该模型可以预测这些输入中的任何一个，前提是对输入进行适当的事先缩放。

当我单独对每个客户运行模型时，预测结果还不错。

但是，一旦我在多个输入上训练该模型，结果就会大大降低。

是否可以训练一个可以处理一系列输入并将它们识别为不同类/类型的网络。这样的模型应该是什么样子的？

这是我目前的：

model_unif = Sequential()
    # input layer
input_shape = (cfg.DEMAND_ONE_WEEK,)
model_unif.add(Dense(168, input_shape=input_shape, activation='linear'))
model_unif.add(BatchNormalization()) #applying batch normalization now
model_unif.add(Dense(100, activation='linear'))
model_unif.add(Dense(100, activation='linear'))
model_unif.add(Dense(100, activation='linear'))
model_unif.add(Dense(50, activation='linear'))
model_unif.add(Dense(50, activation='linear'))
model_unif.add(Dense(24))
model_unif.add(Activation('linear'))
model_unif.compile(loss='mse', optimizer='rmsprop')

标签： pythontensorflowkerastime-series