时序预测专题

本页是时间序列预测的进阶专题，聚焦于模型实现、评估方法和工程实践。基础概念（ARIMA 原理、STL 分解、平稳性检验、时序基础模型等）已在时间序列分析中系统介绍，此处不再重复——本页侧重动手实现与模型对比方法论。前置阅读：时间序列分析、RNN 与序列模型、Transformer 架构。

与时间序列分析的关系：那篇是”百科全书式”的全面介绍，覆盖经典统计到时序基础模型的完整谱系；本篇是”实战手册”，重点在于代码实现、评估方法论和模型选择的工程决策。

核心直觉

时间序列预测的工程核心不在于”用最复杂的模型”，而在于：建立正确的基线 → 选择合适的评估方法 → 系统性地对比多种方案。很多团队在时间序列项目上失败，不是因为模型不够先进，而是因为评估方法有数据泄露、基线不合理、或指标选择不当。

三大要点的直觉：

基线优先 = 永远从最简单的模型开始：朴素基线（Naive，“明天等于今天”）和季节朴素基线（Seasonal Naive，“下个月等于去年同月”）虽然简单得可笑，但它们是衡量一切复杂模型是否”值回票价”的标尺。如果你的 LSTM 还打不过朴素基线，说明模型在过拟合噪声而非学习模式。
评估重于建模 = 方向不对，越努力越错：时间序列评估最容易犯的错误是数据泄露（Data Leakage）——用未来信息预测过去。普通随机交叉验证在时序中是致命错误，必须用时序专用的滚动窗口评估。
模型对比 = 控制变量、公平比较：不同模型在不同数据集上表现可能完全反转。一个公平的对比实验需要统一的数据划分、统一的评估指标、足够的重复次数。

评估方法论

为什么普通交叉验证不能用？

普通 k-fold 交叉验证会随机打乱数据——训练集里可能包含时间上比测试集更晚的数据。在时间序列中，这意味着”用未来预测过去”，在现实中是不可能的。时序评估必须保证训练数据严格早于测试数据。

滚动窗口评估（Rolling Forecast）

最标准的时序评估方法是滚动窗口（Rolling Window / Walk-Forward Validation）：

每轮评估后，将测试窗口的数据加入训练集，窗口向前滑动，模拟”真实场景中不断获得新数据”的过程。

扩展窗口 vs 滑动窗口：上图展示的是扩展窗口（Expanding Window）——训练集越来越大。另一种是固定大小滑动窗口（Sliding Window）——训练集大小固定，随时间向前滑动，适合数据分布随时间漂移（Concept Drift）的场景。

评估指标

时间序列评估有自己的一套指标体系，每个指标关注的误差维度不同：

1. MAE（Mean Absolute Error，平均绝对误差）

\text{MAE} = \frac{1}{n} \sum_{t=1}^{n} |y_t - \hat{y}_t|

最直观的误差指标——预测值与真实值之间的平均绝对差距。单位与原始数据相同，便于理解。对异常值不敏感（不像 MSE 那样惩罚大误差）。

2. RMSE（Root Mean Squared Error，均方根误差）

\text{RMSE} = \sqrt{\frac{1}{n} \sum_{t=1}^{n} (y_t - \hat{y}_t)^2}

对大误差更敏感（因为平方放大了偏差）——如果你的业务中”偶尔的大偏差”代价很高（如电力负荷预测中的极端低估），优先关注 RMSE。

3. MAPE（Mean Absolute Percentage Error，平均绝对百分比误差）

\text{MAPE} = \frac{100\%}{n} \sum_{t=1}^{n} \left|\frac{y_t - \hat{y}_t}{y_t}\right|

百分比误差，不受数据量纲影响，适合跨数据集比较。致命缺点：当 $y_t = 0$ 时不可用；且当 $y_t$ 很小时会被过度放大，导致指标不稳定。

4. sMAPE（Symmetric MAPE，对称 MAPE）

\text{sMAPE} = \frac{200\%}{n} \sum_{t=1}^{n} \frac{|y_t - \hat{y}_t|}{|y_t| + |\hat{y}_t|}

缓解 MAPE 的不对称性（MAPE 对高估和低估的惩罚不对称）。分母同时包含真实值和预测值，避免了 $y_t$ 接近零时的爆炸。取值范围 [0%, 200%]。

5. MASE（Mean Absolute Scaled Error，平均绝对缩放误差）

\text{MASE} = \frac{\text{MAE}}{\frac{1}{n-1}\sum_{t=2}^{n} |y_t - y_{t-1}|}

将模型的 MAE 除以朴素基线（“上一步值作为当前预测”）的 MAE。 $\text{MASE} < 1$ 表示模型比朴素基线好； $\text{MASE} > 1$ 表示还不如”瞎猜上一步值”。这是 Hyndman 推荐的首选指标——它无单位、有明确的基线参照、且不会因 $y_t = 0$ 失效。

指标选择建议：报告结果时，至少给出 MAE（直观）和 MASE（与基线对比）。如果业务关心大误差，加上 RMSE。避免只报告 MAPE——它在 $y_t$ 接近零时极不稳定。

模型实现

ARIMA 完整示例（statsmodels）

import numpy as np
import pandas as pd
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.tsa.stattools import adfuller
from sklearn.metrics import mean_absolute_error

# === 1. 生成模拟数据（趋势 + 季节性 + 噪声） ===
np.random.seed(42)
n = 150
t = np.arange(n)
data = 20 + 0.3 * t + 8 * np.sin(2 * np.pi * t / 12) + np.random.randn(n) * 2
ts = pd.Series(data, index=pd.date_range('2020-01-01', periods=n, freq='M'))

# === 2. 滚动窗口评估 ===
train_size = 120
horizon = 12  # 每轮预测 12 步
train = ts[:train_size]
test = ts[train_size:train_size + horizon]

# === 3. 平稳性检验 ===
adf_result = adfuller(train)
print(f"ADF p-value: {adf_result[1]:.4f}")
# 如果 p > 0.05，需要差分（d=1 或更高）

# === 4. 拟合 ARIMA(2,1,1) ===
model = ARIMA(train, order=(2, 1, 1))
fitted = model.fit()
print(fitted.summary())

# === 5. 预测与评估 ===
forecast = fitted.forecast(steps=horizon)
mae = mean_absolute_error(test, forecast)
print(f"ARIMA MAE: {mae:.3f}")

# === 6. 朴素基线对比 ===
naive_forecast = np.full(horizon, train.iloc[-1])
naive_mae = mean_absolute_error(test, naive_forecast)
print(f"Naive Baseline MAE: {naive_mae:.3f}")
print(f"MASE: {mae / naive_mae:.3f}")  # <1 表示优于朴素基线

LSTM 预测器（PyTorch）

import torch
import torch.nn as nn
import numpy as np

class LSTMForecaster(nn.Module):
    """单变量 LSTM 预测器：用过去 seq_len 步预测未来 horizon 步"""
    def __init__(self, input_size=1, hidden_size=64, num_layers=2, horizon=12):
        super().__init__()
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers,
                            batch_first=True, dropout=0.1)
        self.fc = nn.Linear(hidden_size, horizon)
        self.horizon = horizon

    def forward(self, x):
        # x: (batch, seq_len, input_size)
        out, (h_n, c_n) = self.lstm(x)
        # 取最后一个时间步的输出
        out = out[:, -1, :]  # (batch, hidden_size)
        pred = self.fc(out)  # (batch, horizon)
        return pred


def make_sequences(data, seq_len, horizon):
    """将一维时序数据切分为 (输入序列, 目标序列) 对"""
    X, Y = [], []
    for i in range(len(data) - seq_len - horizon + 1):
        X.append(data[i:i + seq_len])
        Y.append(data[i + seq_len:i + seq_len + horizon])
    return np.array(X), np.array(Y)


# === 训练流程 ===
# 1. 数据标准化（关键！LSTM 对尺度敏感）
# scaler = StandardScaler()
# data_scaled = scaler.fit_transform(data.reshape(-1, 1)).flatten()

# 2. 构建序列
# X, Y = make_sequences(data_scaled, seq_len=24, horizon=12)
# X = torch.FloatTensor(X).unsqueeze(-1)  # (N, 24, 1)
# Y = torch.FloatTensor(Y)                 # (N, 12)

# 3. 训练循环
# model = LSTMForecaster(input_size=1, hidden_size=64, horizon=12)
# optimizer = torch.optim.Adam(model.parameters(), lr=1e-3)
# criterion = nn.MSELoss()
# for epoch in range(100):
#     pred = model(X)
#     loss = criterion(pred, Y)
#     optimizer.zero_grad()
#     loss.backward()
#     optimizer.step()

# 4. 预测时记得反标准化
# pred_scaled = model(X_test)
# pred = scaler.inverse_transform(pred_scaled.detach().numpy())

LSTM 时序预测的关键工程细节：

必须标准化输入数据（如 StandardScaler / MinMaxScaler），否则 LSTM 训练不稳定。

标准化只能用训练集的统计量——如果用了全量数据的均值/方差就构成了数据泄露。

Early Stopping 防止过拟合——时序数据比表格数据更容易过拟合。

多步预测的两种策略：直接多步输出（LSTM 最后一个全连接层输出 horizon 个值）vs 自回归（预测一步、再喂回去预测下一步）。前者训练简单但误差不累积；后者适合长 horizon 但误差会累积传播。

Prophet 完整示例

import pandas as pd
from prophet import Prophet
from sklearn.metrics import mean_absolute_error
import numpy as np

# 生成数据
np.random.seed(42)
n = 150
dates = pd.date_range('2020-01-01', periods=n, freq='M')
y = 20 + 0.3 * np.arange(n) + 8 * np.sin(2 * np.pi * np.arange(n) / 12) + np.random.randn(n) * 2
df = pd.DataFrame({'ds': dates, 'y': y})

train = df[:120]
test = df[120:132]

# Prophet 擅长处理节假日和变点（changepoint）
m = Prophet(
    yearly_seasonality=True,
    weekly_seasonality=False,
    daily_seasonality=False,
    changepoint_prior_scale=0.05,  # 值越大越灵活（容易过拟合）
    seasonality_prior_scale=10.0,
)
m.fit(train)

# 预测
future = m.make_future_dataframe(periods=12, freq='M')
forecast = m.predict(future)
pred = forecast['yhat'][120:132]

mae = mean_absolute_error(test['y'], pred)
print(f"Prophet MAE: {mae:.3f}")

# Prophet 输出预测区间（概率预测）
# forecast['yhat_lower'] / forecast['yhat_upper'] = 80% 置信区间

时序基础模型零样本预测（Chronos）

"""
Amazon Chronos：将时间序列"分词"为离散 token，
用预训练语言模型做自回归预测——无需训练即可零样本预测。
"""
# pip install chronos-forecasting
# import torch
# from chronos import ChronosPipeline

# pipeline = ChronosPipeline.from_pretrained(
#     "amazon/chronos-t5-small",  # 也有 base/large 版本
#     device_map="cpu",
#     torch_dtype=torch.float32,
# )

# # 输入历史数据（一维数组）
# context = torch.tensor(your_historical_data)

# # 零样本预测（无需训练！）
# forecast = pipeline.predict(context, prediction_length=12)

# # forecast: (num_samples, prediction_length) —— 概率预测
# forecast_median = np.median(forecast[0].numpy(), axis=0)
# forecast_low = np.percentile(forecast[0].numpy(), 10, axis=0)
# forecast_high = np.percentile(forecast[0].numpy(), 90, axis=0)

模型对比实验

以下是不同模型在同一合成数据集上的预测效果对比。数据包含线性趋势 + 年度季节性 + 随机噪声：

时序预测模型对比：朴素基线、线性回归、ARIMA、LSTM

上图解读：朴素基线（红色）完全忽略了趋势和季节性，预测为常数——这是最差的基线。线性回归（橙色）捕捉到趋势但忽略了季节性。ARIMA（绿色）同时捕捉到趋势和季节性，效果最好。LSTM（蓝色）接近真实值但有轻微波动。关键启示：模型越复杂不一定越好——关键在于模型能否捕捉数据中的核心模式（趋势 + 季节性）。

公平对比的工程清单

要点	说明
统一数据划分	所有模型使用完全相同的训练/测试集划分
统一评估指标	至少报告 MAE + MASE，避免只选对自己有利的指标
多轮评估	用滚动窗口做多轮评估，取平均 ± 标准差
统计显著性	模型间差异小时，做 Diebold-Mariano 检验确认差异是否显著
超参数公平	每个模型都做超参数搜索，不能只给复杂模型调参
计算成本对比	精度相近时，推理延迟和训练成本可能是决定因素

原理补充：ARIMA 的数学细节

ARIMA(p, d, q) 模型的完整表达式。先对原始序列 $y_t$ 做 $d$ 阶差分得到平稳序列 $w_t$ ：

w_t = \Delta^d y_t

然后在 $w_t$ 上拟合 ARMA(p, q) 模型：

w_t = \phi_1 w_{t-1} + \phi_2 w_{t-2} + \cdots + \phi_p w_{t-p} + \epsilon_t + \theta_1 \epsilon_{t-1} + \cdots + \theta_q \epsilon_{t-q}

其中：

$\phi_i$ 是自回归系数（AR 部分），编码”过去值对当前值的线性影响”
$\theta_j$ 是移动平均系数（MA 部分），编码”过去预测误差对当前值的修正”
$\epsilon_t$ 是白噪声——均值为零、方差恒定、不自相关的随机扰动

用后移算子 $B$ （ $B y_t = y_{t-1}$ ）可以更简洁地表示：

\Phi(B) \, w_t = \Theta(B) \, \epsilon_t

其中 $\Phi(B) = 1 - \phi_1 B - \cdots - \phi_p B^p$ 是 AR 特征多项式， $\Theta(B) = 1 + \theta_1 B + \cdots + \theta_q B^q$ 是 MA 特征多项式。

参数选择的经验法则：

用 ADF 检验确定差分阶数 $d$ ：差分到 ADF p < 0.05（平稳）为止

用 PACF（偏自相关函数） 截尾位置确定 $p$ ：PACF 在 lag $p$ 后截尾（突然变为零）

用 ACF（自相关函数） 截尾位置确定 $q$ ：ACF 在 lag $q$ 后截尾

实践中更推荐用 auto_arima（pmdarima 库）自动搜索，按 AIC/BIC 排序

实践要点

永远先建基线：朴素基线（y_hat = y[-1]）和季节朴素基线（y_hat = y[-season]）只需一行代码，但能避免大量无效工作——如果你的复杂模型打不过它们，说明方向有问题。
标准化用训练集统计量：这是时序中最常见的隐蔽数据泄露。LSTM、Transformer 等需要标准化的模型，必须只用训练集的 mean/std 做标准化。
时序交叉验证：永远用 TimeSeriesSplit 或滚动窗口评估，绝不能用普通随机交叉验证。sklearn.model_selection.TimeSeriesSplit 提供了开箱即用的实现。
多步预测策略：短 horizon（1-3 步）用直接预测即可；长 horizon 优先考虑直接多步输出或 DirRec 策略（每步单独训练模型 + 自回归喂回），自回归策略虽简单但误差会累积。
概率预测：在风险管理和决策场景中，预测区间比点预测更有价值。Prophet、Chronos 原生支持概率预测；ARIMA 可以用残差分位数估计区间；深度学习方法用 MC Dropout 或分位数损失。
概念漂移（Concept Drift）：如果数据分布随时间变化（如疫情前后的出行数据），固定训练的模型会逐渐失效。解决方案：定期重训练、滑动窗口训练（只用最近 N 个月）、或在线学习。
外生变量：如果有强相关的外生变量（如温度对电力负荷的影响），优先用 ARIMAX / SARIMAX / 多变量 LSTM。但注意：预测时也需要预测外生变量本身，如果外生变量本身难预测，反而引入新的不确定性。

典型应用

销量预测 → 零售/电商：预测未来 1-4 周各 SKU 销量，指导备货和库存管理。Prophet + 节假日效应是零售场景的经典方案。
电力负荷预测 → 能源：预测未来 24-72 小时各区域用电量。ARIMAX（加入温度作为外生变量）和 LSTM 是常用方案。
金融预测 → 量化交易/风险管理：股价、汇率、波动率预测。深度学习在高频交易中有一定优势，但长期预测受有效市场假说限制。
需求预测 → 供应链：预测各仓库未来需求，优化物流调度。时序基础模型（TimesFM / Chronos）的零样本能力特别适合”大量 SKU、每个 SKU 数据量少”的长尾场景。
AIOps → 运维：服务器 CPU/内存/带宽预测、异常检测。LSTM 和 Transformer 用于预测正常基线，偏离基线则触发告警。

典型类库与工具

类库	语言	说明
statsmodels	Python	ARIMA / SARIMAX / 指数平滑 / STL 分解 / ADF 检验
pmdarima	Python	`auto_arima` 自动参数搜索
Prophet	Python	Facebook 开源，擅长业务预测 + 节假日效应
NeuralProphet	Python	Prophet 的神经网络增强版
darts	Python	统一接口覆盖 ARIMA → Transformer 全谱方法，推荐入门
sktime	Python	基于 scikit-learn API 的时序工具库
gluonts	Python	Amazon 开源的概率时序预测框架（Gaussian Process / DeepAR / Transformer）
neuralforecast	Python	Nixtla 的深度学习时序预测库（NBEATS / NHITS / TFT / PatchTST）
Chronos	Python	Amazon 时序基础模型，零样本预测
TimesFM	Python	Google 时序基础模型，零样本预测

术语表

术语	英文	解释
滚动窗口评估	Rolling Forecast / Walk-Forward	训练集随时间扩展，模拟真实预测场景的评估方法
数据泄露	Data Leakage	训练时使用了预测时不该知道的信息（如未来数据）
概率预测	Probabilistic Forecasting	输出预测分布（区间）而非单一点估计
分位数损失	Quantile Loss / Pinball Loss	用于训练分位数预测模型的非对称损失函数
概念漂移	Concept Drift	数据分布随时间变化，导致模型逐渐失效
外生变量	Exogenous Variable	影响目标变量但不受其影响的外部输入变量
朴素基线	Naive Baseline	最简单的预测方法（如”明天等于今天”），作为模型评估的基准
MASE	Mean Absolute Scaled Error	相对于朴素基线的缩放误差，推荐的首选评估指标
自回归策略	Autoregressive Strategy	预测一步后将预测值喂回模型预测下一步的多步预测策略