时间序列预测的机器学习方法：从基础到实战

于 2025-06-08 23:51:18 发布
阅读量887 收藏 13
点赞数 23
文章标签： 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/loopdeloop/article/details/148520641
版权

时间序列预测是机器学习中一个重要且实用的领域，广泛应用于金融、气象、销售预测、资源规划等多个行业。本文将全面介绍时间序列预测的基本概念、常用方法，并通过Python代码示例展示如何构建和评估时间序列预测模型。

1. 时间序列预测概述

时间序列是按时间顺序排列的一系列数据点，通常是在连续时间间隔内进行的测量。时间序列预测就是基于历史数据来预测未来的值。

1.1 时间序列的特点

时间序列数据通常具有以下几个特征：

  • 趋势(Trend): 数据长期呈现上升或下降的趋势

  • 季节性(Seasonality): 数据在固定周期内的重复模式

  • 周期性(Cyclicity): 非固定周期的波动

  • 随机性(Randomness): 无法预测的噪声

1.2 时间序列预测的应用场景

  1. 股票价格预测

  2. 销售额预测

  3. 电力负荷预测

  4. 气象预报

  5. 交通流量预测

  6. 设备故障预测

2. 传统时间序列预测方法

在介绍机器学习方法之前，我们先简要了解一些传统的时间序列预测方法。

2.1 自回归模型(AR)

自回归模型使用过去值的线性组合来预测未来值：

from statsmodels.tsa.ar_model import AutoReg
import numpy as np

# 生成示例数据
np.random.seed(42)
data = np.random.normal(size=100)

# 拟合AR模型
model = AutoReg(data, lags=2)
model_fit = model.fit()

# 预测
predictions = model_fit.predict(start=len(data), end=len(data)+5)
print(predictions)

2.2 移动平均模型(MA)

移动平均模型使用过去误差项的线性组合来预测未来值。

2.3 自回归移动平均模型(ARMA)

ARMA模型结合了AR和MA模型：

from statsmodels.tsa.arima.model import ARIMA

# 拟合ARMA模型 (ARIMA(p,d,0)就是ARMA(p,0))
model = ARIMA(data, order=(2,0,1))
model_fit = model.fit()

# 预测
predictions = model_fit.predict(start=len(data), end=len(data)+5)
print(predictions)

2.4 自回归积分移动平均模型(ARIMA)

ARIMA模型在ARMA基础上增加了差分处理：

# 拟合ARIMA模型
model = ARIMA(data, order=(1,1,1))
model_fit = model.fit()

# 预测
predictions = model_fit.predict(start=len(data), end=len(data)+5, typ='levels')
print(predictions)

3. 机器学习在时间序列预测中的应用

传统时间序列方法虽然有效，但机器学习方法能够捕捉更复杂的模式，并且可以方便地整合外部特征。

3.1 特征工程

时间序列预测的关键是构建合适的特征。常用的特征包括：

8.1 未来方向

  1. 滞后特征(Lagged features)

  2. 滑动窗口统计量(滚动均值、滚动标准差等)

  3. 时间特征(小时、星期几、月份等)

  4. 傅里叶变换特征

  5. 目标变量的历史统计量

    import pandas as pd

def create_features(df, target, lags=5, window_sizes=[3, 7]):
    """
    为时间序列数据创建特征
    
    参数:
    df -- 包含时间序列的DataFrame
    target -- 目标列名
    lags -- 滞后阶数
    window_sizes -- 滑动窗口大小列表
    
    返回:
    包含特征的DataFrame
    """
    df = df.copy()
    
    # 创建滞后特征
    for lag in range(1, lags+1):
        df[f'lag_{lag}'] = df[target].shift(lag)
    
    # 创建滑动窗口统计量
    for window in window_sizes:
        df[f'rolling_mean_{window}'] = df[target].rolling(window=window).mean()
        df[f'rolling_std_{window}'] = df[target].rolling(window=window).std()
        df[f'rolling_min_{window}'] = df[target].rolling(window=window).min()
        df[f'rolling_max_{window}'] = df[target].rolling(window=window).max()
    
    # 创建时间特征
    if 'date' in df.columns:
        df['date'] = pd.to_datetime(df['date'])
        df['day_of_week'] = df['date'].dt.dayofweek
        df['day_of_month'] = df['date'].dt.day
        df['month'] = df['date'].dt.month
        df['year'] = df['date'].dt.year
    
    # 删除包含NaN的行
    df = df.dropna()
    
    return df

    3.2 常用机器学习模型

    3.2.1 线性回归
    from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据 (这里使用示例数据)
dates = pd.date_range(start='2020-01-01', periods=100)
values = np.random.normal(loc=0, scale=1, size=100).cumsum() + 100
df = pd.DataFrame({'date': dates, 'value': values})

# 创建特征
df = create_features(df, target='value', lags=5, window_sizes=[3, 7])

# 划分特征和目标
X = df.drop(['value', 'date'], axis=1, errors='ignore')
y = df['value']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False)

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse:.4f}")
    3.2.2 随机森林
    from sklearn.ensemble import RandomForestRegressor

# 训练模型
model = RandomForestRegressor(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse:.4f}")

# 特征重要性
importances = model.feature_importances_
features = X.columns
feature_importance = pd.DataFrame({'feature': features, 'importance': importances})
feature_importance = feature_importance.sort_values('importance', ascending=False)
print(feature_importance)
    3.2.3 梯度提升树(XGBoost)
    import xgboost as xgb

# 训练模型
model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse:.4f}")

# 特征重要性
xgb.plot_importance(model)

    4. 深度学习在时间序列预测中的应用

    深度学习模型特别适合处理时间序列数据，因为它们能够自动学习时间依赖关系。

    4.1 循环神经网络(RNN)

    python

    import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import SimpleRNN, Dense
from sklearn.preprocessing import MinMaxScaler

# 数据准备
scaler = MinMaxScaler()
scaled_data = scaler.fit_transform(df[['value']])

# 创建时间序列数据集
def create_dataset(data, time_steps=1):
    X, y = [], []
    for i in range(len(data)-time_steps):
        X.append(data[i:(i+time_steps), 0])
        y.append(data[i+time_steps, 0])
    return np.array(X), np.array(y)

time_steps = 5
X, y = create_dataset(scaled_data, time_steps)

# 划分训练集和测试集
train_size = int(len(X) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 重塑输入为 [样本数, 时间步长, 特征数]
X_train = X_train.reshape(X_train.shape[0], X_train.shape[1], 1)
X_test = X_test.reshape(X_test.shape[0], X_test.shape[1], 1)

# 构建RNN模型
model = Sequential([
    SimpleRNN(50, activation='relu', input_shape=(time_steps, 1)),
    Dense(1)
])

model.compile(optimizer='adam', loss='mse')

# 训练模型
history = model.fit(
    X_train, y_train,
    epochs=50,
    batch_size=16,
    validation_split=0.1,
    verbose=1
)

# 预测
y_pred = model.predict(X_test)

# 反归一化
y_test_inv = scaler.inverse_transform(y_test.reshape(-1, 1))
y_pred_inv = scaler.inverse_transform(y_pred)

# 评估
mse = mean_squared_error(y_test_inv, y_pred_inv)
print(f"Mean Squared Error: {mse:.4f}")

    4.2 长短期记忆网络(LSTM)

    LSTM是RNN的一种改进，能够更好地捕捉长期依赖关系。

    from tensorflow.keras.layers import LSTM

# 构建LSTM模型
model = Sequential([
    LSTM(50, activation='relu', input_shape=(time_steps, 1)),
    Dense(1)
])

model.compile(optimizer='adam', loss='mse')

# 训练模型
history = model.fit(
    X_train, y_train,
    epochs=50,
    batch_size=16,
    validation_split=0.1,
    verbose=1
)

# 预测
y_pred = model.predict(X_test)

# 反归一化
y_pred_inv = scaler.inverse_transform(y_pred)

# 评估
mse = mean_squared_error(y_test_inv, y_pred_inv)
print(f"Mean Squared Error: {mse:.4f}")

    4.3 编码器-解码器架构

    对于多步预测任务，编码器-解码器架构特别有效。

    from tensorflow.keras.layers import RepeatVector, TimeDistributed

# 多步预测数据准备
def create_multi_step_dataset(data, input_steps, output_steps):
    X, y = [], []
    for i in range(len(data)-input_steps-output_steps+1):
        X.append(data[i:(i+input_steps), 0])
        y.append(data[(i+input_steps):(i+input_steps+output_steps), 0])
    return np.array(X), np.array(y)

input_steps = 10
output_steps = 3
X, y = create_multi_step_dataset(scaled_data, input_steps, output_steps)

# 划分训练集和测试集
train_size = int(len(X) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 重塑输入
X_train = X_train.reshape(X_train.shape[0], X_train.shape[1], 1)
X_test = X_test.reshape(X_test.shape[0], X_test.shape[1], 1)
y_train = y_train.reshape(y_train.shape[0], y_train.shape[1], 1)
y_test = y_test.reshape(y_test.shape[0], y_test.shape[1], 1)

# 构建编码器-解码器模型
model = Sequential([
    LSTM(100, activation='relu', input_shape=(input_steps, 1)),
    RepeatVector(output_steps),
    LSTM(100, activation='relu', return_sequences=True),
    TimeDistributed(Dense(1))
])

model.compile(optimizer='adam', loss='mse')

# 训练模型
history = model.fit(
    X_train, y_train,
    epochs=100,
    batch_size=32,
    validation_split=0.1,
    verbose=1
)

# 预测
y_pred = model.predict(X_test)

# 反归一化
y_test_inv = scaler.inverse_transform(y_test.reshape(-1, output_steps))
y_pred_inv = scaler.inverse_transform(y_pred.reshape(-1, output_steps))

# 评估第一个预测步的MSE
mse = mean_squared_error(y_test_inv[:, 0], y_pred_inv[:, 0])
print(f"Mean Squared Error (first step): {mse:.4f}")

    5. 时间序列预测的评估方法

    评估时间序列预测模型需要考虑时间依赖性，不能简单地使用随机划分的交叉验证。

    5.1 时间序列交叉验证

    from sklearn.model_selection import TimeSeriesSplit

tscv = TimeSeriesSplit(n_splits=5)

model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=100)

for train_index, test_index in tscv.split(X):
    X_train, X_test = X.iloc[train_index], X.iloc[test_index]
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]
    
    model.fit(X_train, y_train)
    y_pred = model.predict(X_test)
    
    mse = mean_squared_error(y_test, y_pred)
    print(f"Fold MSE: {mse:.4f}")

    5.2 常用评估指标

  6. 均方误差(MSE)

  7. 均方根误差(RMSE)

  8. 平均绝对误差(MAE)

  9. 平均绝对百分比误差(MAPE)

  10. 对称平均绝对百分比误差(sMAPE)

    from sklearn.metrics import mean_absolute_error, mean_absolute_percentage_error

def smape(y_true, y_pred):
    return 100/len(y_true) * np.sum(2 * np.abs(y_pred - y_true) / (np.abs(y_true) + np.abs(y_pred)))

def evaluate_forecast(y_true, y_pred):
    mse = mean_squared_error(y_true, y_pred)
    rmse = np.sqrt(mse)
    mae = mean_absolute_error(y_true, y_pred)
    mape = mean_absolute_percentage_error(y_true, y_pred)
    smape_val = smape(y_true, y_pred)
    
    print(f"MSE: {mse:.4f}")
    print(f"RMSE: {rmse:.4f}")
    print(f"MAE: {mae:.4f}")
    print(f"MAPE: {mape:.4%}")
    print(f"sMAPE: {smape_val:.4%}")

evaluate_forecast(y_test, y_pred)

    6. 实战案例：电力负荷预测

    让我们用一个真实案例来综合应用所学知识。我们将使用UCI的电力负荷数据集。

    6.1 数据准备

    # 下载数据集
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/00374/energydata_complete.csv"
df = pd.read_csv(url)

# 解析日期
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date').sort_index()

# 选择目标变量 - 应用电器能耗
target = 'Appliances'
y = df[target]

# 可视化
y.plot(figsize=(12, 6), title='Appliances Energy Use')
plt.ylabel('Energy (Wh)')
plt.show()

    6.2 特征工程

    # 创建时间特征
df['hour'] = df.index.hour
df['day_of_week'] = df.index.dayofweek
df['month'] = df.index.month

# 创建滞后特征
for lag in [1, 2, 3, 24, 48]:
    df[f'lag_{lag}'] = y.shift(lag)

# 创建滑动窗口特征
for window in [3, 6, 12, 24]:
    df[f'rolling_mean_{window}'] = y.rolling(window=window).mean()
    df[f'rolling_std_{window}'] = y.rolling(window=window).std()

# 删除包含NaN的行
df = df.dropna()

# 分离特征和目标
X = df.drop(target, axis=1)
y = df[target]

# 划分训练集和测试集
split_date = '2016-05-20'
X_train = X[X.index <= split_date]
X_test = X[X.index > split_date]
y_train = y[y.index <= split_date]
y_test = y[y.index > split_date]

# 标准化
scaler_X = MinMaxScaler()
X_train_scaled = scaler_X.fit_transform(X_train)
X_test_scaled = scaler_X.transform(X_test)

scaler_y = MinMaxScaler()
y_train_scaled = scaler_y.fit_transform(y_train.values.reshape(-1, 1))
y_test_scaled = scaler_y.transform(y_test.values.reshape(-1, 1))

    6.3 构建LSTM模型

    # 重塑数据为LSTM需要的格式 [样本数, 时间步长, 特征数]
# 这里我们使用1个时间步长，但可以尝试更多
X_train_reshaped = X_train_scaled.reshape(X_train_scaled.shape[0], 1, X_train_scaled.shape[1])
X_test_reshaped = X_test_scaled.reshape(X_test_scaled.shape[0], 1, X_test_scaled.shape[1])

# 构建模型
model = Sequential([
    LSTM(64, activation='relu', input_shape=(1, X_train_reshaped.shape[2])),
    Dense(1)
])

model.compile(optimizer='adam', loss='mse')

# 训练模型
history = model.fit(
    X_train_reshaped, y_train_scaled,
    epochs=50,
    batch_size=64,
    validation_split=0.1,
    verbose=1
)

# 预测
y_pred_scaled = model.predict(X_test_reshaped)
y_pred = scaler_y.inverse_transform(y_pred_scaled)

# 评估
evaluate_forecast(y_test, y_pred.flatten())

# 可视化部分结果
plt.figure(figsize=(12, 6))
plt.plot(y_test.index[:200], y_test.values[:200], label='Actual')
plt.plot(y_test.index[:200], y_pred[:200], label='Predicted')
plt.legend()
plt.title('Appliances Energy Use - Actual vs Predicted')
plt.ylabel('Energy (Wh)')
plt.show()

    6.4 模型优化

    我们可以尝试以下优化方法：

  11. 调整网络结构(增加层数、改变单元数)

  12. 添加Dropout层防止过拟合

  13. 使用更复杂的架构(如注意力机制)

  14. 调整学习率和批量大小

  15. 增加训练轮次

    from tensorflow.keras.layers import Dropout
from tensorflow.keras.callbacks import EarlyStopping

# 构建更复杂的模型
model = Sequential([
    LSTM(128, activation='relu', return_sequences=True, input_shape=(1, X_train_reshaped.shape[2])),
    Dropout(0.2),
    LSTM(64, activation='relu'),
    Dropout(0.2),
    Dense(1)
])

model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001), loss='mse')

# 早停法
early_stopping = EarlyStopping(monitor='val_loss', patience=5, restore_best_weights=True)

# 训练模型
history = model.fit(
    X_train_reshaped, y_train_scaled,
    epochs=100,
    batch_size=64,
    validation_split=0.1,
    callbacks=[early_stopping],
    verbose=1
)

# 预测和评估
y_pred_scaled = model.predict(X_test_reshaped)
y_pred = scaler_y.inverse_transform(y_pred_scaled)
evaluate_forecast(y_test, y_pred.flatten())

    7. 高级主题

    7.1 多变量时间序列预测

    当有多个相关的时间序列时，可以利用它们之间的关系来改进预测。

    # 选择多个相关特征
features = ['Appliances', 'T1', 'RH_1', 'T_out', 'RH_out', 'Windspeed']
df_multi = df[features].copy()

# 创建滞后特征
for feature in features:
    for lag in [1, 2, 3, 24]:
        df_multi[f'{feature}_lag_{lag}'] = df_multi[feature].shift(lag)

df_multi = df_multi.dropna()

# 分离特征和目标
X = df_multi.drop('Appliances', axis=1)
y = df_multi['Appliances']

# 划分训练集和测试集
X_train = X[X.index <= split_date]
X_test = X[X.index > split_date]
y_train = y[y.index <= split_date]
y_test = y[y.index > split_date]

# 标准化
scaler_X = MinMaxScaler()
X_train_scaled = scaler_X.fit_transform(X_train)
X_test_scaled = scaler_X.transform(X_test)

scaler_y = MinMaxScaler()
y_train_scaled = scaler_y.fit_transform(y_train.values.reshape(-1, 1))
y_test_scaled = scaler_y.transform(y_test.values.reshape(-1, 1))

# 重塑数据
X_train_reshaped = X_train_scaled.reshape(X_train_scaled.shape[0], 1, X_train_scaled.shape[1])
X_test_reshaped = X_test_scaled.reshape(X_test_scaled.shape[0], 1, X_test_scaled.shape[1])

# 构建模型
model = Sequential([
    LSTM(128, activation='relu', input_shape=(1, X_train_reshaped.shape[2])),
    Dense(1)
])

model.compile(optimizer='adam', loss='mse')

# 训练模型
history = model.fit(
    X_train_reshaped, y_train_scaled,
    epochs=50,
    batch_size=64,
    validation_split=0.1,
    verbose=1
)

# 预测和评估
y_pred_scaled = model.predict(X_test_reshaped)
y_pred = scaler_y.inverse_transform(y_pred_scaled)
evaluate_forecast(y_test, y_pred.flatten())

    7.2 概率预测

    有时我们不仅需要点预测，还需要预测的置信区间。

    from tensorflow.keras.layers import Input, Dense, Lambda
import tensorflow_probability as tfp

# 构建概率模型
def negative_loglikelihood(y_true, y_pred_dist):
    return -y_pred_dist.log_prob(y_true)

input_shape = (1, X_train_reshaped.shape[2])
inputs = Input(shape=input_shape)
lstm_out = LSTM(64, activation='relu')(inputs)

# 输出分布参数
mu = Dense(1)(lstm_out)
sigma = Dense(1, activation='softplus')(lstm_out)  # sigma必须为正

# 创建正态分布
output_dist = tfp.layers.DistributionLambda(
    lambda t: tfp.distributions.Normal(loc=t[0], scale=t[1])
)([mu, sigma])

model = tf.keras.Model(inputs=inputs, outputs=output_dist)
model.compile(optimizer='adam', loss=negative_loglikelihood)

# 训练模型
history = model.fit(
    X_train_reshaped, y_train_scaled,
    epochs=50,
    batch_size=64,
    validation_split=0.1,
    verbose=1
)

# 预测
y_pred_dist = model(X_test_reshaped)
y_pred_mean = y_pred_dist.mean().numpy().flatten()
y_pred_std = y_pred_dist.stddev().numpy().flatten()

# 反归一化
y_pred_mean = scaler_y.inverse_transform(y_pred_mean.reshape(-1, 1)).flatten()
y_pred_std = scaler_y.scale_ * y_pred_std

# 可视化置信区间
plt.figure(figsize=(12, 6))
plt.plot(y_test.index[:100], y_test.values[:100], label='Actual')
plt.plot(y_test.index[:100], y_pred_mean[:100], label='Predicted Mean')
plt.fill_between(
    y_test.index[:100],
    y_pred_mean[:100] - 1.96*y_pred_std[:100],
    y_pred_mean[:100] + 1.96*y_pred_std[:100],
    alpha=0.2, label='95% Confidence Interval'
)
plt.legend()
plt.title('Probabilistic Forecast')
plt.ylabel('Energy (Wh)')
plt.show()

    8. 总结与最佳实践

    时间序列预测是一个复杂但极具价值的领域。以下是本文的关键要点和最佳实践：

  16. 理解数据：在建模前充分分析数据的趋势、季节性和其他特征

  17. 特征工程：创建有意义的特征(滞后、滑动窗口、时间特征等)

  18. Transformer模型：在时间序列预测中的应用

  19. 元学习：学习如何快速适应新的时间序列模式

  20. 解释性：提高时间序列预测模型的可解释性

  21. 实时预测：低延迟的在线学习系统

    • 模型选择：

      • 对于简单问题，传统方法(ARIMA)可能足够

      • 对于复杂模式，机器学习方法通常表现更好

      • 深度学习适合大规模数据和复杂时间依赖关系

    • 评估方法：使用时间序列交叉验证，选择合适的评估指标

    • 模型优化：调整超参数，防止过拟合，考虑概率预测

    • 持续监控：在实际应用中持续监控模型性能

loopdeloop
关注
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值