简介一套基于LSTM的气温预测与可视化项目源码附带完整的文档说明主要面向计算机相关专业的期末大作业、课程设计场景也适合希望上手时间序列预测的初学者参考学习。资源压缩包内共包含16个文件以8个Python程序源码文件为核心分别实现天气数据采集、数据清洗与预处理、模型构建与训练、气温预测以及结果可视化等完整流程另有2个Excel数据文件、2个Markdown说明文档和4个Python编译缓存文件便于直接运行和阅读。整个压缩包约723KB体积小巧部署简单。代码中内含较详细的注释已有179人浏览学习适合作为高分期末大作业或课程设计参考。下载配置好环境后即可快速复现气温预测与可视化过程也能在此基础上扩展改进。1. 基于LSTM的气温预测及可视化python源码文档说明能不能拿高分就在这一步白天看手机天气App报的35度晚上体感还是30度天气预报是怎么算出来的本质就是对一个气象时间序列做预测。期末大作业最常见的做法就是标题里这套“基于LSTM的气温预测及可视化python源码文档说明”用历史气温数据训练一个循环神经网络让它输出未来一天或未来几小时的气温再用matplotlib把真实值和预测值画到同一张图上。这门作业能拿高分是因为它同时覆盖了时间序列建模、深度学习和可视化表达三个评分点数据人人可得模型也不复杂普通家用电脑用CPU就能把训练跑完。适合想快速复现、又能在答辩时讲清原理的本科课程设计不需要数学推导堆满PPT。2. 数据准备气温序列的清洗、归一化与滑动窗口2.1 数据从哪里找找什么格式课程作业不要求数据实时也不要求特别准。常见做法是用公开的气象站历史观测数据或者老师在课程群里发的气温csv文件。我一般先找一份包含逐小时或逐日平均气温的数据里面最好有日期和气温两列就够用有湿度、气压、风速也可以顺带做多特征但第一版先只做单变量。数据下载下来后第一步不是建模而是用pandas打开看第一行和最后一行、看字段类型、看有没有明显缺失。气温预测最怕的是数据里的时间不连续比如中间缺了七八天。如果直接用LSTM会把跨过缺口的两条样本当成相邻时间于是模型会学出一堆奇怪的跳变。评分老师扫一眼你的真实值对比预测图就能看出问题。去平台化的教材里不会专门讲这个但这是数据预处理的第一步也是答辩时能拿出来讲的细节。import pandas as pd df pd.read_csv(temp_data.csv, parse_dates[date]) print(df.info()) print(df.head(10)) print(df.tail(10)) # 检查时间连续性 df df.sort_values(date).reset_index(dropTrue) df[gap] df[date].diff().dt.days.fillna(0) print(df[gap].value_counts())逻辑说明与参数说明parse_dates[date]让pandas把日期字符串解析成时间对象方便后续排序和计算间隔。排序后执行diff()能得到相邻两条记录的时间差。如果gap的value_counts()里以0和1为主说明是连续的逐日数据如果出现几十上百的大间隔就需要删掉那一段或者做插值。逐小时数据同理把间隔单位换成小时来检查。另外有个细节如果数据跨度超过一年最好把“月份”“星期几”这类循环特征拆出来转成sin/cos编码。直接用1到12的月份数值会让LSTM误以为12月和1月距离很远实际上它们只隔了一个月。这个编码在讲模型设计时是一个加分项。2.2 归一化必须先拟合并转换训练集归一化不是可选项。LSTM内部以tanh和sigmoid为激活函数输入如果落在几十上百度的绝对值范围梯度很容易饱和loss曲线会抖得像心电图。常见做法是先用MinMaxScaler把数据压到0和1之间训练完做预测时再用逆变换把结果还原成真实气温。这里有个很容易踩的坑必须先只对训练集做fit_transform再单独transform验证集和测试集。如果对整个序列做完归一化再切分训练集未来气温的统计信息就已经泄漏到训练输入里了验证分数会虚高答辩时一被追问马上翻车。from sklearn.preprocessing import MinMaxScaler train_size int(len(df) * 0.8) train_df df.iloc[:train_size] test_df df.iloc[train_size:] scaler MinMaxScaler(feature_range(0, 1)) train_scaled scaler.fit_transform(train_df[[temp]]) test_scaled scaler.transform(test_df[[temp]]) print(train min/max:, scaler.data_min_, scaler.data_max_)逻辑说明与参数说明feature_range(0, 1)是默认区间气温单特征场景够用。scaler.transform(test_df)用的是训练集拟合出来的最小值最大值参数不是重新拟合。打印data_min_和data_max_可以反推训练序列的取值范围方便后面对比还原结果是否合理。如果气温数据有明显趋势或年周期这一步也可以先做一阶差分再去归一化能减少模型对绝对数值的依赖不过这会增加还原预测结果的复杂度建议第一版不做。2.3 构造滑动窗口样本LSTM才能学时间关系LSTM不能直接吃一列数字它的输入形状要求是三维张量[样本数, 时间步长, 特征数]。时间步长就是滑动窗口的长度代表模型看过去多少天或多少小时来预测下一个值。窗口大小直接决定训练样本数量和计算量也决定模型能捕捉到多长的时间依赖。import numpy as np def create_sequences(data, input_steps30): X, y [], [] for i in range(len(data) - input_steps): X.append(data[i:i input_steps, 0]) y.append(data[i input_steps, 0]) return np.array(X), np.array(y) train_seq, train_y create_sequences(train_scaled, input_steps30) test_seq, test_y create_sequences(test_scaled, input_steps30) # 重塑为 LSTM 要求的 [样本, 时间步, 特征] train_seq train_seq.reshape((train_seq.shape[0], train_seq.shape[1], 1)) test_seq test_seq.reshape((test_seq.shape[0], test_seq.shape[1], 1)) print(train_seq.shape, train_y.shape, test_seq.shape, test_y.shape)参数说明input_steps30的取值逻辑是如果做逐日气温预测看一个月的历史作为上下文比较合理如果是逐小时数据先试24也就是一天再从48、72这几个值里挑。窗口太小模型看不到周期窗口太大样本量骤降且训练变慢。y取的是窗口结束后的紧邻时刻这是标准的单步预测设置。reshape最后一维是特征数单特征就是1后面加入湿度、气压等多特征时这一维要改成对应的特征列数。需要特别强调的是序列样本是按时间顺序生成的不能像图像分类那样做全局随机打乱否则未来样本混进训练集就是数据泄漏。如果确实想打乱batch顺序也只能在每个小批量内部保持时间连续课程作业里最稳妥的做法是不shuffle。这一点我在训练阶段也保持一致。2.4 划分比例与泄漏快速自查训练集、验证集、测试集的比例我一般按7:2:1切。注意这里的验证集和测试集都不能参与训练验证集用来触发早停和学习率调度测试集只用来画最终对比图和算指标。做完了上面三节的内容后可以顺手做一个快速自查用训练好的模型分别预测测试集和一段随机打乱顺序的测试数据如果打乱顺序后误差明显变小多半是时间依赖没有被真正学习而是模型靠位置信息投机取巧了。这个自查方法在文档的模型分析一章很有说服力。3. 模型搭建与训练参数LSTM网络怎么写才不会卡在训练阶段3.1 网络结构先定尺寸再谈玄学调参LSTM做气温预测堆很多层没有意义。课程作业的数据量通常只有几千条样本单层或两层就够。我一般用两层结构第一层LSTM(64, return_sequencesTrue)负责提取局部时序特征第二层LSTM(32, return_sequencesFalse)把信息压缩成一个向量最后接全连接层输出一个气温数值。两层之间加Dropout防止过拟合。from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout model Sequential([ LSTM(64, return_sequencesTrue, input_shape(30, 1)), Dropout(0.2), LSTM(32, return_sequencesFalse), Dropout(0.2), Dense(1) ]) model.compile(optimizeradam, lossmse, metrics[mae]) model.summary()逻辑说明与参数说明input_shape(30, 1)必须与第二章构造的训练数据维度一致第一个数字是滑动窗口长度第二个是特征数。return_sequencesTrue表示这一层输出完整的序列因为后面还要接第二层LSTM第二层return_sequencesFalse只输出最后时间步的隐含状态维度已经变成二维再接Dense层才不会报错。如果你把第二层也设成return_sequencesTrue输出仍然是三维就需要额外加Flatten或GlobalAveragePooling1D来压维新手经常在这里报形状错误。lossmse是回归任务的默认选择它对大误差的惩罚比mae更重训练初期数值下降快如果更关心“预测值偏离不超过几度”可以换成mae。优化器选adam默认学习率0.001课程作业里通常不用手动调整。3.2 训练流程比网络结构更值得花时间常见的翻车场景是模型结构抄对了训练却一口气跑几百轮最后验证集loss越跑越高。加早停和动态学习率是课程作业里最实用、最出效果的做法也能让论文里的loss曲线图好看很多。from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau history model.fit( train_seq, train_y, validation_data(test_seq, test_y), epochs200, batch_size32, shuffleFalse, callbacks[ EarlyStopping(monitorval_loss, patience15, restore_best_weightsTrue), ReduceLROnPlateau(monitorval_loss, factor0.5, patience6, min_lr0.00001) ] )参数说明validation_data是唯一能看出模型有没有在学习的对照组。epochs200只是上限实际跑多少轮由EarlyStopping决定patience15表示验证集loss连续15轮没有改善就停止并把权重恢复到验证集最优位置——相当于一颗后悔药。ReduceLROnPlateau是学习率调度验证集loss在6轮内没有下降就把学习率乘以factor0.5min_lr下限防止学习率低到模型完全挪不动步。shuffleFalse保持序列顺序这和时间序列训练的理念一致不能为了让loss快速下降而破坏时间顺序。训练结束后把模型保存下来后面画图和加载都用得到model.save(lstm_temp.h5)3.3 训练阶段三个关键参数的实际效果参数建议取值范围对结果的影响input_steps24 / 30 / 48窗口越大模型能看到越长的周期过大会让训练样本变少units32 / 64 / 128太小学不到规律太大容易过拟合到训练集噪声batch_size16 / 32 / 64小batch梯度抖动大收敛曲线不稳定大batch收敛慢32居中如果训练过程验证集loss波动很大优先调低学习率不要先动网络结构如果训练集loss很低但验证集loss高优先加大Dropout比例或减小units如果两者都降不下去回头查归一化窗口和是否有数据泄漏。实际跑出来的结果里最常看到的现象是预测曲线比真实曲线晚半拍这就是滞后效应是单步预测的通病我在下一章的可视化分析里专门讲怎么看它。4. 可视化三件套真实值对比、训练曲线与残差分析4.1 预测曲线和真实曲线画在同一张图上这一章就是标题里的可视化部分也是期末作业评分时最直观的一页。先把预测结果从0到1的归一化区间还原成真实气温再画图。最核心的图是真实值和预测值的对比折线图。import matplotlib.pyplot as plt import numpy as np pred_y model.predict(test_seq) pred_temp scaler.inverse_transform(pred_y) true_temp scaler.inverse_transform(test_y.reshape(-1, 1)) plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False plt.figure(figsize(14, 5)) plt.plot(true_temp, label真实气温, colorblack, linewidth1.2) plt.plot(pred_temp, labelLSTM预测, colorred, linewidth1.2, linestyle--) plt.xlabel(时间步) plt.ylabel(气温℃) plt.title(气温预测结果对比) plt.legend() plt.tight_layout() plt.savefig(temperature_prediction.png, dpi200) plt.show()逻辑说明与参数细节inverse_transform这行很关键不还原坐标轴会停留在0到1之间老师看到图会疑惑“这是气温吗”。rcParams[font.sans-serif]是matplotlib的中文字体设置Windows下常见的是SimHeiLinux下换成Noto Sans CJK否则图里的中文全是方块这个问题每年都有人踩。预测线用虚线真实线用实线画在同一张图上可以直观判断贴合程度。如果发现预测线整体比真实线向右偏移了一点点这是单步预测的典型滞后现象说明模型学到的是“明天的气温大约等于今天”的惯性外推而不是真正的变化规律。有一个验证技巧把预测序列往左平移一个时间步再和真实值算相关系数如果平移后相关系数明显升高那滞后就实锤了。在文档里写出这个观察比只贴一张图显得思考深入得多。注意预测曲线滞后不等于模型失败了而是单步预测的固有现象。答辩时主动说出来反而显得你有能力识别模型的语病。4.2 训练损失曲线证明模型确实收敛期末答辩老师很爱看训练loss曲线因为这是训练成败的直接证据。一张合理的loss曲线图应该包含训练集loss和验证集loss两条线。plt.figure(figsize(10, 4)) plt.plot(history.history[loss], labeltrain_loss) plt.plot(history.history[val_loss], labelval_loss) plt.ylabel(MSE Loss) plt.xlabel(Epoch) plt.legend() plt.savefig(training_loss.png, dpi200) plt.show()逻辑说明如果train_loss和val_loss同步下降后走平说明模型收敛良好。如果train_loss一条线往下走val_loss却在某个epoch后掉头向上这是过拟合对应文档里的不足与展望部分。如果两条loss都降不下去大概率是归一化没做好或者窗口太短。图里通常能看到EarlyStopping生效的位置val_loss不再下降时曲线被截断这是用回调函数的直接证据。保存的dpi调成200放进文档足够清晰。4.3 残差分布与滚动预测看误差到底有多散真实值减去预测值才是误差。画出残差随时间变化的折线图和残差直方图能看出误差有没有规律。如果残差在0附近随机分布说明模型已经把能学到的规律学走了如果残差明显呈现周期性波动就要考虑加大输入窗口或补充季节特征。residual true_temp.flatten() - pred_temp.flatten() fig, axes plt.subplots(1, 2, figsize(12, 4)) axes[0].plot(residual) axes[0].set_title(残差随时间变化) axes[1].hist(residual, bins40) axes[1].set_title(残差分布直方图) plt.tight_layout() plt.savefig(residual.png, dpi200) plt.show() # 计算误差指标 from sklearn.metrics import mean_absolute_error, mean_squared_error mae mean_absolute_error(true_temp, pred_temp) rmse float(np.sqrt(mean_squared_error(true_temp, pred_temp))) print(fMAE{mae:.2f}℃, RMSE{rmse:.2f}℃)参数说明直方图bins40用于观察残差是否呈近似正态分布如果残差明显偏向一侧说明模型存在系统性偏差。MAE和RMSE这两个指标要写进文档的结论部分。它们在答辩时的解释是MAE表示平均每次预测偏了多少度RMSE因为对大误差加了更多权重能反映出是否存在少数预测差到离谱的样本。如果MAE是1.2度RMSE却有2度说明大部分时候很准但个别时间点差很多。我在实际做课程作业时还会用滚动预测的方式多画一张图先用前30个真实值做初始窗口预测出下一个值后把这个预测值当作输入继续预测后面的值循环画出一条未来7天的曲线。这张图直接对应“预测”二字比单步对比图更有说服力。滚动预测的代码我放在最后一章展开。5. 文档说明与答辩避坑五个高频翻车场景5.1 文档说明的六个模块怎么写标题里的“文档说明”就是期末大作业的说明书写得好不好直接决定评分和答辩印象。我一般按六个模块写每个模块两三段配一张图或一小段表格整篇控制在8到12页。摘要部分一句话交代清楚用什么样的历史气温数据、训练了什么样的LSTM模型、最终预测误差是多少。数据来源与预处理部分写数据的时间范围、频率、缺失值处理方式并贴出滑动窗口构造前后的形状对比。模型设计部分要画出网络结构图并标注每一层输入输出的形状比如“输入(样本数, 30, 1) → LSTM(64) → Dropout(0.2) → LSTM(32) → Dense(1)”。训练与超参数部分列一张表格写batch_size、learning_rate、epochs、patience的取值。可视化结果与分析部分贴两张图真实值对比图和残差图。不足与展望写“当前只做了单特征预测下一步加入湿度、气压做多变量输入”这是非常自然的加分项。5.2 答辩时会被问到的三个高频问题第一个是“为什么用LSTM不用RNN或GRU”。回答思路是RNN存在长序列梯度消失问题LSTM通过门控机制保留长期依赖GRU参数量更少训练更快但LSTM在中等规模时间序列任务里效果更稳而且课程要求点名用LSTM。第二个是“滑动窗口长度怎么选”。回答思路是窗口决定了模型能看到的上下文长度逐日数据选30天覆盖一个月周期逐小时数据选24小时覆盖一天周期再对比不同窗口下的验证集误差来决定。第三个是“为什么归一化之后还要逆变换”。回答思路LSTM的激活函数输出范围有限归一化能避免梯度饱和逆变换是为了把预测值还原成物理意义上的摄氏度便于计算MAE。5.3 五大高频踩坑记录踩坑一数据泄漏导致训练分数虚高。现象是训练时验证集MAE只有0.5度老师当场测一段没见过的数据误差涨到4度。原因是整个序列做完MinMaxScaler再切分或者构建滑动窗口时把所有数据一起打乱模型在训练阶段见过未来的气温值。解决方法是先按时间顺序切分再只对训练集执行fit_transform验证集和测试集只用transform构建序列时不打乱。踩坑二预测曲线整体滞后一拍。现象是真实值对比图里预测线明显偏右算误差全靠错位兜底。原因是单步预测模型发现输入窗口里的最后一个值最接近目标于是学会了抄近道输出近似等于上一个时刻的值。解决方法是改用多步滚动预测或者把序列做一阶差分后再训练逼迫模型学习变化趋势而不是绝对值复制。踩坑三图中中文显示成方块。现象是保存的图片里坐标轴、图例的汉字全是小方块老师看图时一脸疑惑。原因是matplotlib默认字体不包含中文字符集。解决方法是设置plt.rcParams[font.sans-serif] [SimHei]Linux环境换成Noto Sans CJK或者干脆让图例全部用英文二选一。踩坑四同样数据和代码每次跑出来结果不同。现象是两次训练得到的预测曲线和误差指标对不上文档里写的MAE和答辩现场演示时不一样。原因是LSTM参数随机初始化加上GPU浮点计算顺序的差异。解决方法是训练前固定随机种子import random import numpy as np import tensorflow as tf seed 42 random.seed(seed) np.random.seed(seed) tf.random.set_seed(seed)踩坑五模型训练时报维度错误。现象是fit时抛出报错提示Input 0 of layer lstm is incompatible。原因是LSTM要求的输入是三维张量[样本数, 时间步长, 特征数]新手给成了二维。解决方法是训练前打印train_seq.shape确认三位数后把input_shape(30, 1)和最后一维特征数对齐。这类问题在排错时也常提示输入的形状信息顺着报错提示改最直接。以上这五条是我做这个题目时用血泪经验换来的。前两条是原理层面的坑后三条是操作层面的坑每条都要写进文档的“遇到的问题与解决”部分老师很吃这一套。6. 进阶把单步预测扩展成未来24小时的连续曲线6.1 最简单的滚动多步预测课程作业要求“预测气温”单步预测严格来说只能算验证模型能力真正需要展示的是模型能连续预测未来24小时或未来7天的曲线。最朴素的方法是滚动预测用前30个真实值初始化窗口预测出下一个值后把这个预测值当作输入继续预测下一步循环直到输出整条未来曲线。def forecast_loop(model, last_sequence, steps24): forecast [] current last_sequence.copy() for _ in range(steps): x current.reshape((1, current.shape[0], 1)) pred model.predict(x, verbose0)[0, 0] forecast.append(pred) current np.roll(current, -1) current[-1] pred return np.array(forecast) # 用测试集最后一个窗口作为初始输入 future_temp forecast_loop(model, test_seq[-1], steps24) print(future_temp)逻辑说明与参数说明np.roll(current, -1)把整个窗口向前挪动一个位置原来的最后一个元素被移出然后用current[-1] pred把上一步预测值放进窗口末尾。这一步是滚动预测的精髓后续每一步的输入里都包含前一步的预测值误差会逐步累积。steps24表示预测24个时间步如果原始数据是逐小时就对应未来一天如果是逐日就对应未来24天。预测完成后用scaler逆变换就能得到气温的摄氏度数值。6.2 验证多步预测误差累积滚动预测的误差会随着步数增加而变大这是正常现象。我的习惯是把每一步的误差画成一条曲线横轴是预测步长纵轴是MAE直观展示累积效应。如果第1步误差1.2度第24步误差已经到2.8度说明模型在前几步有价值越往后越只能看趋势。答辩时要主动说出这个规律然后提出改进方向可以用直接多步预测也就是一次性输出未来24个值避免误差递归累积或者用seq2seq结构编码器读入历史窗口解码器逐步生成未来序列。这些方向在文档的展望部分写成一句话就够了。做这个题目时我养成了一个习惯任何时间序列模型训练完第一件事不是看loss曲线而是先看残差图和滞后相关性。最近一次做逐日气温预测我靠着这个习惯发现单步模型滞后严重改成差分输入后MAE从1.8度降到了1.1度。建议你也保留这个习惯它比换网络结构更早帮你发现问题。希望帮到你。本文还有配套的精品资源点击获取
简介一套基于LSTM的气温预测与可视化项目源码附带完整的文档说明主要面向计算机相关专业的期末大作业、课程设计场景也适合希望上手时间序列预测的初学者参考学习。资源压缩包内共包含16个文件以8个Python程序源码文件为核心分别实现天气数据采集、数据清洗与预处理、模型构建与训练、气温预测以及结果可视化等完整流程另有2个Excel数据文件、2个Markdown说明文档和4个Python编译缓存文件便于直接运行和阅读。整个压缩包约723KB体积小巧部署简单。代码中内含较详细的注释已有179人浏览学习适合作为高分期末大作业或课程设计参考。下载配置好环境后即可快速复现气温预测与可视化过程也能在此基础上扩展改进。1. 基于LSTM的气温预测及可视化python源码文档说明能不能拿高分就在这一步白天看手机天气App报的35度晚上体感还是30度天气预报是怎么算出来的本质就是对一个气象时间序列做预测。期末大作业最常见的做法就是标题里这套“基于LSTM的气温预测及可视化python源码文档说明”用历史气温数据训练一个循环神经网络让它输出未来一天或未来几小时的气温再用matplotlib把真实值和预测值画到同一张图上。这门作业能拿高分是因为它同时覆盖了时间序列建模、深度学习和可视化表达三个评分点数据人人可得模型也不复杂普通家用电脑用CPU就能把训练跑完。适合想快速复现、又能在答辩时讲清原理的本科课程设计不需要数学推导堆满PPT。2. 数据准备气温序列的清洗、归一化与滑动窗口2.1 数据从哪里找找什么格式课程作业不要求数据实时也不要求特别准。常见做法是用公开的气象站历史观测数据或者老师在课程群里发的气温csv文件。我一般先找一份包含逐小时或逐日平均气温的数据里面最好有日期和气温两列就够用有湿度、气压、风速也可以顺带做多特征但第一版先只做单变量。数据下载下来后第一步不是建模而是用pandas打开看第一行和最后一行、看字段类型、看有没有明显缺失。气温预测最怕的是数据里的时间不连续比如中间缺了七八天。如果直接用LSTM会把跨过缺口的两条样本当成相邻时间于是模型会学出一堆奇怪的跳变。评分老师扫一眼你的真实值对比预测图就能看出问题。去平台化的教材里不会专门讲这个但这是数据预处理的第一步也是答辩时能拿出来讲的细节。import pandas as pd df pd.read_csv(temp_data.csv, parse_dates[date]) print(df.info()) print(df.head(10)) print(df.tail(10)) # 检查时间连续性 df df.sort_values(date).reset_index(dropTrue) df[gap] df[date].diff().dt.days.fillna(0) print(df[gap].value_counts())逻辑说明与参数说明parse_dates[date]让pandas把日期字符串解析成时间对象方便后续排序和计算间隔。排序后执行diff()能得到相邻两条记录的时间差。如果gap的value_counts()里以0和1为主说明是连续的逐日数据如果出现几十上百的大间隔就需要删掉那一段或者做插值。逐小时数据同理把间隔单位换成小时来检查。另外有个细节如果数据跨度超过一年最好把“月份”“星期几”这类循环特征拆出来转成sin/cos编码。直接用1到12的月份数值会让LSTM误以为12月和1月距离很远实际上它们只隔了一个月。这个编码在讲模型设计时是一个加分项。2.2 归一化必须先拟合并转换训练集归一化不是可选项。LSTM内部以tanh和sigmoid为激活函数输入如果落在几十上百度的绝对值范围梯度很容易饱和loss曲线会抖得像心电图。常见做法是先用MinMaxScaler把数据压到0和1之间训练完做预测时再用逆变换把结果还原成真实气温。这里有个很容易踩的坑必须先只对训练集做fit_transform再单独transform验证集和测试集。如果对整个序列做完归一化再切分训练集未来气温的统计信息就已经泄漏到训练输入里了验证分数会虚高答辩时一被追问马上翻车。from sklearn.preprocessing import MinMaxScaler train_size int(len(df) * 0.8) train_df df.iloc[:train_size] test_df df.iloc[train_size:] scaler MinMaxScaler(feature_range(0, 1)) train_scaled scaler.fit_transform(train_df[[temp]]) test_scaled scaler.transform(test_df[[temp]]) print(train min/max:, scaler.data_min_, scaler.data_max_)逻辑说明与参数说明feature_range(0, 1)是默认区间气温单特征场景够用。scaler.transform(test_df)用的是训练集拟合出来的最小值最大值参数不是重新拟合。打印data_min_和data_max_可以反推训练序列的取值范围方便后面对比还原结果是否合理。如果气温数据有明显趋势或年周期这一步也可以先做一阶差分再去归一化能减少模型对绝对数值的依赖不过这会增加还原预测结果的复杂度建议第一版不做。2.3 构造滑动窗口样本LSTM才能学时间关系LSTM不能直接吃一列数字它的输入形状要求是三维张量[样本数, 时间步长, 特征数]。时间步长就是滑动窗口的长度代表模型看过去多少天或多少小时来预测下一个值。窗口大小直接决定训练样本数量和计算量也决定模型能捕捉到多长的时间依赖。import numpy as np def create_sequences(data, input_steps30): X, y [], [] for i in range(len(data) - input_steps): X.append(data[i:i input_steps, 0]) y.append(data[i input_steps, 0]) return np.array(X), np.array(y) train_seq, train_y create_sequences(train_scaled, input_steps30) test_seq, test_y create_sequences(test_scaled, input_steps30) # 重塑为 LSTM 要求的 [样本, 时间步, 特征] train_seq train_seq.reshape((train_seq.shape[0], train_seq.shape[1], 1)) test_seq test_seq.reshape((test_seq.shape[0], test_seq.shape[1], 1)) print(train_seq.shape, train_y.shape, test_seq.shape, test_y.shape)参数说明input_steps30的取值逻辑是如果做逐日气温预测看一个月的历史作为上下文比较合理如果是逐小时数据先试24也就是一天再从48、72这几个值里挑。窗口太小模型看不到周期窗口太大样本量骤降且训练变慢。y取的是窗口结束后的紧邻时刻这是标准的单步预测设置。reshape最后一维是特征数单特征就是1后面加入湿度、气压等多特征时这一维要改成对应的特征列数。需要特别强调的是序列样本是按时间顺序生成的不能像图像分类那样做全局随机打乱否则未来样本混进训练集就是数据泄漏。如果确实想打乱batch顺序也只能在每个小批量内部保持时间连续课程作业里最稳妥的做法是不shuffle。这一点我在训练阶段也保持一致。2.4 划分比例与泄漏快速自查训练集、验证集、测试集的比例我一般按7:2:1切。注意这里的验证集和测试集都不能参与训练验证集用来触发早停和学习率调度测试集只用来画最终对比图和算指标。做完了上面三节的内容后可以顺手做一个快速自查用训练好的模型分别预测测试集和一段随机打乱顺序的测试数据如果打乱顺序后误差明显变小多半是时间依赖没有被真正学习而是模型靠位置信息投机取巧了。这个自查方法在文档的模型分析一章很有说服力。3. 模型搭建与训练参数LSTM网络怎么写才不会卡在训练阶段3.1 网络结构先定尺寸再谈玄学调参LSTM做气温预测堆很多层没有意义。课程作业的数据量通常只有几千条样本单层或两层就够。我一般用两层结构第一层LSTM(64, return_sequencesTrue)负责提取局部时序特征第二层LSTM(32, return_sequencesFalse)把信息压缩成一个向量最后接全连接层输出一个气温数值。两层之间加Dropout防止过拟合。from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout model Sequential([ LSTM(64, return_sequencesTrue, input_shape(30, 1)), Dropout(0.2), LSTM(32, return_sequencesFalse), Dropout(0.2), Dense(1) ]) model.compile(optimizeradam, lossmse, metrics[mae]) model.summary()逻辑说明与参数说明input_shape(30, 1)必须与第二章构造的训练数据维度一致第一个数字是滑动窗口长度第二个是特征数。return_sequencesTrue表示这一层输出完整的序列因为后面还要接第二层LSTM第二层return_sequencesFalse只输出最后时间步的隐含状态维度已经变成二维再接Dense层才不会报错。如果你把第二层也设成return_sequencesTrue输出仍然是三维就需要额外加Flatten或GlobalAveragePooling1D来压维新手经常在这里报形状错误。lossmse是回归任务的默认选择它对大误差的惩罚比mae更重训练初期数值下降快如果更关心“预测值偏离不超过几度”可以换成mae。优化器选adam默认学习率0.001课程作业里通常不用手动调整。3.2 训练流程比网络结构更值得花时间常见的翻车场景是模型结构抄对了训练却一口气跑几百轮最后验证集loss越跑越高。加早停和动态学习率是课程作业里最实用、最出效果的做法也能让论文里的loss曲线图好看很多。from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau history model.fit( train_seq, train_y, validation_data(test_seq, test_y), epochs200, batch_size32, shuffleFalse, callbacks[ EarlyStopping(monitorval_loss, patience15, restore_best_weightsTrue), ReduceLROnPlateau(monitorval_loss, factor0.5, patience6, min_lr0.00001) ] )参数说明validation_data是唯一能看出模型有没有在学习的对照组。epochs200只是上限实际跑多少轮由EarlyStopping决定patience15表示验证集loss连续15轮没有改善就停止并把权重恢复到验证集最优位置——相当于一颗后悔药。ReduceLROnPlateau是学习率调度验证集loss在6轮内没有下降就把学习率乘以factor0.5min_lr下限防止学习率低到模型完全挪不动步。shuffleFalse保持序列顺序这和时间序列训练的理念一致不能为了让loss快速下降而破坏时间顺序。训练结束后把模型保存下来后面画图和加载都用得到model.save(lstm_temp.h5)3.3 训练阶段三个关键参数的实际效果参数建议取值范围对结果的影响input_steps24 / 30 / 48窗口越大模型能看到越长的周期过大会让训练样本变少units32 / 64 / 128太小学不到规律太大容易过拟合到训练集噪声batch_size16 / 32 / 64小batch梯度抖动大收敛曲线不稳定大batch收敛慢32居中如果训练过程验证集loss波动很大优先调低学习率不要先动网络结构如果训练集loss很低但验证集loss高优先加大Dropout比例或减小units如果两者都降不下去回头查归一化窗口和是否有数据泄漏。实际跑出来的结果里最常看到的现象是预测曲线比真实曲线晚半拍这就是滞后效应是单步预测的通病我在下一章的可视化分析里专门讲怎么看它。4. 可视化三件套真实值对比、训练曲线与残差分析4.1 预测曲线和真实曲线画在同一张图上这一章就是标题里的可视化部分也是期末作业评分时最直观的一页。先把预测结果从0到1的归一化区间还原成真实气温再画图。最核心的图是真实值和预测值的对比折线图。import matplotlib.pyplot as plt import numpy as np pred_y model.predict(test_seq) pred_temp scaler.inverse_transform(pred_y) true_temp scaler.inverse_transform(test_y.reshape(-1, 1)) plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False plt.figure(figsize(14, 5)) plt.plot(true_temp, label真实气温, colorblack, linewidth1.2) plt.plot(pred_temp, labelLSTM预测, colorred, linewidth1.2, linestyle--) plt.xlabel(时间步) plt.ylabel(气温℃) plt.title(气温预测结果对比) plt.legend() plt.tight_layout() plt.savefig(temperature_prediction.png, dpi200) plt.show()逻辑说明与参数细节inverse_transform这行很关键不还原坐标轴会停留在0到1之间老师看到图会疑惑“这是气温吗”。rcParams[font.sans-serif]是matplotlib的中文字体设置Windows下常见的是SimHeiLinux下换成Noto Sans CJK否则图里的中文全是方块这个问题每年都有人踩。预测线用虚线真实线用实线画在同一张图上可以直观判断贴合程度。如果发现预测线整体比真实线向右偏移了一点点这是单步预测的典型滞后现象说明模型学到的是“明天的气温大约等于今天”的惯性外推而不是真正的变化规律。有一个验证技巧把预测序列往左平移一个时间步再和真实值算相关系数如果平移后相关系数明显升高那滞后就实锤了。在文档里写出这个观察比只贴一张图显得思考深入得多。注意预测曲线滞后不等于模型失败了而是单步预测的固有现象。答辩时主动说出来反而显得你有能力识别模型的语病。4.2 训练损失曲线证明模型确实收敛期末答辩老师很爱看训练loss曲线因为这是训练成败的直接证据。一张合理的loss曲线图应该包含训练集loss和验证集loss两条线。plt.figure(figsize(10, 4)) plt.plot(history.history[loss], labeltrain_loss) plt.plot(history.history[val_loss], labelval_loss) plt.ylabel(MSE Loss) plt.xlabel(Epoch) plt.legend() plt.savefig(training_loss.png, dpi200) plt.show()逻辑说明如果train_loss和val_loss同步下降后走平说明模型收敛良好。如果train_loss一条线往下走val_loss却在某个epoch后掉头向上这是过拟合对应文档里的不足与展望部分。如果两条loss都降不下去大概率是归一化没做好或者窗口太短。图里通常能看到EarlyStopping生效的位置val_loss不再下降时曲线被截断这是用回调函数的直接证据。保存的dpi调成200放进文档足够清晰。4.3 残差分布与滚动预测看误差到底有多散真实值减去预测值才是误差。画出残差随时间变化的折线图和残差直方图能看出误差有没有规律。如果残差在0附近随机分布说明模型已经把能学到的规律学走了如果残差明显呈现周期性波动就要考虑加大输入窗口或补充季节特征。residual true_temp.flatten() - pred_temp.flatten() fig, axes plt.subplots(1, 2, figsize(12, 4)) axes[0].plot(residual) axes[0].set_title(残差随时间变化) axes[1].hist(residual, bins40) axes[1].set_title(残差分布直方图) plt.tight_layout() plt.savefig(residual.png, dpi200) plt.show() # 计算误差指标 from sklearn.metrics import mean_absolute_error, mean_squared_error mae mean_absolute_error(true_temp, pred_temp) rmse float(np.sqrt(mean_squared_error(true_temp, pred_temp))) print(fMAE{mae:.2f}℃, RMSE{rmse:.2f}℃)参数说明直方图bins40用于观察残差是否呈近似正态分布如果残差明显偏向一侧说明模型存在系统性偏差。MAE和RMSE这两个指标要写进文档的结论部分。它们在答辩时的解释是MAE表示平均每次预测偏了多少度RMSE因为对大误差加了更多权重能反映出是否存在少数预测差到离谱的样本。如果MAE是1.2度RMSE却有2度说明大部分时候很准但个别时间点差很多。我在实际做课程作业时还会用滚动预测的方式多画一张图先用前30个真实值做初始窗口预测出下一个值后把这个预测值当作输入继续预测后面的值循环画出一条未来7天的曲线。这张图直接对应“预测”二字比单步对比图更有说服力。滚动预测的代码我放在最后一章展开。5. 文档说明与答辩避坑五个高频翻车场景5.1 文档说明的六个模块怎么写标题里的“文档说明”就是期末大作业的说明书写得好不好直接决定评分和答辩印象。我一般按六个模块写每个模块两三段配一张图或一小段表格整篇控制在8到12页。摘要部分一句话交代清楚用什么样的历史气温数据、训练了什么样的LSTM模型、最终预测误差是多少。数据来源与预处理部分写数据的时间范围、频率、缺失值处理方式并贴出滑动窗口构造前后的形状对比。模型设计部分要画出网络结构图并标注每一层输入输出的形状比如“输入(样本数, 30, 1) → LSTM(64) → Dropout(0.2) → LSTM(32) → Dense(1)”。训练与超参数部分列一张表格写batch_size、learning_rate、epochs、patience的取值。可视化结果与分析部分贴两张图真实值对比图和残差图。不足与展望写“当前只做了单特征预测下一步加入湿度、气压做多变量输入”这是非常自然的加分项。5.2 答辩时会被问到的三个高频问题第一个是“为什么用LSTM不用RNN或GRU”。回答思路是RNN存在长序列梯度消失问题LSTM通过门控机制保留长期依赖GRU参数量更少训练更快但LSTM在中等规模时间序列任务里效果更稳而且课程要求点名用LSTM。第二个是“滑动窗口长度怎么选”。回答思路是窗口决定了模型能看到的上下文长度逐日数据选30天覆盖一个月周期逐小时数据选24小时覆盖一天周期再对比不同窗口下的验证集误差来决定。第三个是“为什么归一化之后还要逆变换”。回答思路LSTM的激活函数输出范围有限归一化能避免梯度饱和逆变换是为了把预测值还原成物理意义上的摄氏度便于计算MAE。5.3 五大高频踩坑记录踩坑一数据泄漏导致训练分数虚高。现象是训练时验证集MAE只有0.5度老师当场测一段没见过的数据误差涨到4度。原因是整个序列做完MinMaxScaler再切分或者构建滑动窗口时把所有数据一起打乱模型在训练阶段见过未来的气温值。解决方法是先按时间顺序切分再只对训练集执行fit_transform验证集和测试集只用transform构建序列时不打乱。踩坑二预测曲线整体滞后一拍。现象是真实值对比图里预测线明显偏右算误差全靠错位兜底。原因是单步预测模型发现输入窗口里的最后一个值最接近目标于是学会了抄近道输出近似等于上一个时刻的值。解决方法是改用多步滚动预测或者把序列做一阶差分后再训练逼迫模型学习变化趋势而不是绝对值复制。踩坑三图中中文显示成方块。现象是保存的图片里坐标轴、图例的汉字全是小方块老师看图时一脸疑惑。原因是matplotlib默认字体不包含中文字符集。解决方法是设置plt.rcParams[font.sans-serif] [SimHei]Linux环境换成Noto Sans CJK或者干脆让图例全部用英文二选一。踩坑四同样数据和代码每次跑出来结果不同。现象是两次训练得到的预测曲线和误差指标对不上文档里写的MAE和答辩现场演示时不一样。原因是LSTM参数随机初始化加上GPU浮点计算顺序的差异。解决方法是训练前固定随机种子import random import numpy as np import tensorflow as tf seed 42 random.seed(seed) np.random.seed(seed) tf.random.set_seed(seed)踩坑五模型训练时报维度错误。现象是fit时抛出报错提示Input 0 of layer lstm is incompatible。原因是LSTM要求的输入是三维张量[样本数, 时间步长, 特征数]新手给成了二维。解决方法是训练前打印train_seq.shape确认三位数后把input_shape(30, 1)和最后一维特征数对齐。这类问题在排错时也常提示输入的形状信息顺着报错提示改最直接。以上这五条是我做这个题目时用血泪经验换来的。前两条是原理层面的坑后三条是操作层面的坑每条都要写进文档的“遇到的问题与解决”部分老师很吃这一套。6. 进阶把单步预测扩展成未来24小时的连续曲线6.1 最简单的滚动多步预测课程作业要求“预测气温”单步预测严格来说只能算验证模型能力真正需要展示的是模型能连续预测未来24小时或未来7天的曲线。最朴素的方法是滚动预测用前30个真实值初始化窗口预测出下一个值后把这个预测值当作输入继续预测下一步循环直到输出整条未来曲线。def forecast_loop(model, last_sequence, steps24): forecast [] current last_sequence.copy() for _ in range(steps): x current.reshape((1, current.shape[0], 1)) pred model.predict(x, verbose0)[0, 0] forecast.append(pred) current np.roll(current, -1) current[-1] pred return np.array(forecast) # 用测试集最后一个窗口作为初始输入 future_temp forecast_loop(model, test_seq[-1], steps24) print(future_temp)逻辑说明与参数说明np.roll(current, -1)把整个窗口向前挪动一个位置原来的最后一个元素被移出然后用current[-1] pred把上一步预测值放进窗口末尾。这一步是滚动预测的精髓后续每一步的输入里都包含前一步的预测值误差会逐步累积。steps24表示预测24个时间步如果原始数据是逐小时就对应未来一天如果是逐日就对应未来24天。预测完成后用scaler逆变换就能得到气温的摄氏度数值。6.2 验证多步预测误差累积滚动预测的误差会随着步数增加而变大这是正常现象。我的习惯是把每一步的误差画成一条曲线横轴是预测步长纵轴是MAE直观展示累积效应。如果第1步误差1.2度第24步误差已经到2.8度说明模型在前几步有价值越往后越只能看趋势。答辩时要主动说出这个规律然后提出改进方向可以用直接多步预测也就是一次性输出未来24个值避免误差递归累积或者用seq2seq结构编码器读入历史窗口解码器逐步生成未来序列。这些方向在文档的展望部分写成一句话就够了。做这个题目时我养成了一个习惯任何时间序列模型训练完第一件事不是看loss曲线而是先看残差图和滞后相关性。最近一次做逐日气温预测我靠着这个习惯发现单步模型滞后严重改成差分输入后MAE从1.8度降到了1.1度。建议你也保留这个习惯它比换网络结构更早帮你发现问题。希望帮到你。本文还有配套的精品资源点击获取
