CNN- GRU进行多变量特征提取，python构造输入数据代码

以下是一个简单的 Python 代码示例，演示了如何使用numpy库来构造CNN-GRU模型的输入数据，其中使用第二种方式进行多变量时间序列切分：

import numpy as np

# 假设有3个变量，每个变量的时间序列长度为10
x1 = np.random.rand(10)
x2 = np.random.rand(10)
x3 = np.random.rand(10)

# 滑动窗口大小为5
window_size = 5

# 将每个变量的时间序列切分成多个子序列
x1_subseq = [x1[i:i+window_size] for i in range(len(x1)-window_size+1)]
x2_subseq = [x2[i:i+window_size] for i in range(len(x2)-window_size+1)]
x3_subseq = [x3[i:i+window_size] for i in range(len(x3)-window_size+1)]

# 将多个子序列拼接起来，得到CNN-GRU模型的输入数据
X = np.array([np.concatenate([x1_subseq[i], x2_subseq[i], x3_subseq[i]]) for i in range(len(x1_subseq))])

注意，这只是一个简单的示例。实际使用时，你需要根据具体情况进行调整，例如调整滑动窗口大小、增加更多的变量等。同时，你还需要根据模型的具体输入格式来构造输入数据，例如使用多个通道或者使用其他的时间序列切分方式。