scripts/multivariate_forecasting/MambaClimateNet_mu.sh

export CUDA_VISIBLE_DEVICES=0

model_name=MambaClimateNet
# d state 2
python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path China.csv \
  --model_id China \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 12\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 4\
  --itr 1 \
  --learning_rate 0.00005

python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path China.csv \
  --model_id China \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 24\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 2 \
  --itr 1 \
  --learning_rate 0.00005

python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path China.csv \
  --model_id China \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 36\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 2 \
  --itr 1 \
  --learning_rate 0.00005

python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path China.csv \
  --model_id China \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 48\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 2 \
  --itr 1 \
  --learning_rate 0.00005

python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path Global.csv \
  --model_id Global \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 12\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 4\
  --itr 1 \
  --learning_rate 0.00005

python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path Global.csv \
  --model_id Global \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 24\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 2 \
  --itr 1 \
  --learning_rate 0.00005

python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path Global.csv \
  --model_id Global \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 36\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 2 \
  --itr 1 \
  --learning_rate 0.00005

python -u run.py \
  --is_training 1 \
  --root_path ./dataset/ \
  --data_path Global.csv \
  --model_id Global \
  --model $model_name \
  --data custom \
  --features M \
  --seq_len 96 \
  --pred_len 48\
  --e_layers 2 \
  --enc_in 7 \
  --dec_in 7 \
  --c_out 7 \
  --des 'Exp' \
  --d_model 256 \
  --d_state 2 \
  --itr 1 \
  --learning_rate 0.00005