Feite Zhou
1、你这样设置使用新的模型是可以的，可能是导入的包不是你修改后的。 2、你还可以尝试直接修改KERAS_MODEL这个全局变量。 例如： model = Sequential(name='BiGRU') model.add(Bidirectional(GRU(self.units4, input_shape=(trainset_shape[1], trainset_shape[2]), recurrent_activation='sigmoid', reset_after=True, activation=self.activation, return_sequences=True))) model.add(Dropout(self.dropout)) model.add(Flatten()) model.add(Dense(1, activation=self.activation)) model.compile(loss=self.opt_loss, optimizer=self.opt) KERAS_MODEL = model 注意这种方式需要预先定义dropout，units4等变量
因为之前在使用TCN没有得出正确的结果，所以没有启用tcn的包。tcn不是keras内置的模型所以无法导入，需要在安装好的添包keras_predictor文件中加form keras-tcn import TCN
具体原因可能比较难找，可以先用这个简化版的试试 [CEEMDAN-VMD-GRU](https://github.com/FateMurphy/CEEMDAN-VMD-GRU)
论文已发表在爱思唯尔的期刊上，可以通过其数据库查看。
Respective LSTM在文中相当于对每个子序列进行预测，这一步是最后整合的方法使用LSTM进行拟合（通常是直接相加）