基于Darts库的LightGBM负荷预测模型过拟合诊断与优化策略

概述

在时间序列预测领域，使用LightGBM等梯度提升树模型结合Darts库进行负荷预测是一种常见做法。然而，实际应用中经常会遇到模型在特定时间段出现系统性预测偏差的问题。本文将深入分析一个典型的负荷预测案例，探讨如何诊断和解决LightGBM模型在特定日期（如圣诞节期间）出现的过拟合现象。

问题现象分析

案例中的模型使用小时级("1H")数据训练，训练集覆盖2023年1月1日至2024年11月30日，验证集为12月1日至31日。观察发现模型在12月22日和23日出现显著高估，特别是23日更为明显。这种系统性偏差表明模型未能充分学习该特殊时段的负荷模式。

诊断方法详解

1. 特征重要性分析

通过LightGBM内置的特征重要性分析工具，可以识别哪些特征对预测影响最大。在Darts中，可通过以下方式获取特征重要性：

def get_lgbm_importance(model, horizon=0):
    lgb_model = model.get_estimator(horizon=horizon, target_dim=0)
    importance_values = lgb_model.booster_.feature_importance("split")
    feature_names = model.lagged_feature_names
    return dict(zip(feature_names, importance_values))

2. SHAP值解释

SHAP(SHapley Additive exPlanations)值可量化每个特征对预测结果的贡献。在Darts中，使用ShapExplainer时需注意：

• foreground_series应为用于生成预测的输入序列
• 对于output_chunk_shift=13、output_chunk_length=24和lags=24的配置，解释每个预测点时需要确保输入窗口足够覆盖所有滞后特征

3. 训练数据模式检查

检查训练数据中相同时间段的历史表现，确认是否存在类似的高估模式。这有助于判断问题是数据本身特性还是模型缺陷。

优化策略

1. 特征工程改进

• 引入更精细的时间特征：除现有的"圣诞周"标记外，可增加"圣诞前高峰日"等更具体的时段标记
• 考虑温度特征的准确性：若使用预测温度而非实测值作为未来协变量，需评估温度预测误差对负荷预测的影响
• 尝试交互特征：如"小时×季节"、"温度×时段"等组合特征

2. 样本权重调整

针对特殊时段(如圣诞节)和异常数据，可通过调整样本权重改善模型表现：

# 创建权重时间序列，圣诞周权重设为2.0
weights = TimeSeries.from_times_and_values(
    train_series.time_index,
    np.where(is_christmas_week(train_series.time_index), 2.0, 1.0)
)

# 缺失数据时段权重设为0
weights = weights * (~train_series.time_index.isin(missing_periods)).astype(float)

3. 模型参数优化

• 验证集设置：确保使用验证集配合早停机制防止过拟合
• 季节性对齐：检查output_chunk_shift参数是否与时序特性匹配(如12小时可能比13小时更具季节性)
• 滞后特征配置：评估lags_future_covariates设置是否合理

实践建议

1. 系统性记录每次调整的效果，建立基准对比
2. 优先解决数据质量问题，如温度预测的准确性
3. 考虑模型集成，将LightGBM与其他模型(如Prophet或神经网络)结合
4. 对于重要节假日，可建立专门的子模型处理

通过以上方法，可有效诊断和改善时间序列预测模型在特殊时段的表现偏差问题，提升负荷预测的整体准确性。