SAN 的安装和配置教程

1. 项目的基础介绍和主要的编程语言

SAN（NeurIPS 2023）是一个基于PyTorch的开源项目，它实现了论文《Adaptive Normalization for Non-stationary Time Series Forecasting: A Temporal Slice Perspective》中的模型。该项目旨在解决时间序列数据中的非平稳性问题，通过一种名为SAN的模型无关归一化框架，来提高时间序列预测的准确性。项目的主要编程语言是Python。

2. 项目使用的关键技术和框架

本项目使用了以下关键技术和框架：

• PyTorch：一个流行的开源机器学习库，用于实现深度学习模型。
• 时间序列预测：针对时间序列数据的预测技术，本项目专注于非平稳时间序列的预测。
• 归一化框架：SAN框架通过在细粒度的时间片段上建模非平稳性，并显式地学习估计未来分布，从而简化非平稳预测任务。

3. 项目安装和配置的准备工作和详细的安装步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• Python 3.6及以上版本 -pip（Python的包管理工具） -Git（用于克隆和更新项目代码）

安装步骤

1. 克隆项目仓库到本地：

git clone https://github.com/icantnamemyself/SAN.git
cd SAN

2. 安装项目所需的Python依赖：

pip install -r requirements.txt

3. 准备数据集：

本项目提供了9个常用数据集的链接，您需要下载这些数据集并放置在项目目录下的datasets文件夹中。数据集可以从以下链接获取（注意：这里不提供具体链接，按照项目描述中的指示操作）。

4. 运行示例脚本：

项目提供了几个示例脚本来运行增强后的模型。以下是运行DLinear模型和Transformer模型的示例脚本：

# 运行DLinear模型的脚本
sh run_linear.sh

# 运行Transformer模型的脚本
sh run_trms.sh

5. 参数调优：

对于其他预测任务和模型，您可以通过调整period_len和station_lr这两个参数来优化模型。这两个参数分别对应论文中的$T$和统计预测模块的学习率。

完成以上步骤后，您就可以开始使用SAN框架进行时间序列预测了。祝您使用愉快！