首页
/ 在Darts项目中处理预测时目标变量不可用的技术方案

在Darts项目中处理预测时目标变量不可用的技术方案

2025-05-27 03:27:03作者:邵娇湘

背景介绍

在时间序列预测项目中,我们经常会遇到目标变量滞后的问题。具体表现为:在预测时刻,我们只能获取到特征变量(x1,x2,x3等)的最新值,而目标变量(y)的最新值需要经过较长时间(如几周)才能获得。这种场景给模型训练带来了特殊挑战。

问题分析

传统的时间序列预测模型(如TSMixer)通常需要同时使用历史特征变量和历史目标变量作为输入。但在上述场景中,目标变量在预测时刻是不可用的,这导致两个关键问题:

  1. 训练时模型会学习依赖历史目标变量,而预测时这些变量不可用
  2. 目标变量的可用时间不固定,难以通过简单的时移(shift)操作解决

解决方案

方案一:使用回归模型

Darts提供的回归模型(RegressionModel)可以完全忽略目标变量的历史值,仅使用协变量进行预测:

model = RegressionModel(
    lags=None,
    lags_past_covariates=6,
    output_chunk_length=6
)
model.fit(target, past_covariates=past_cov)

这种方法的优点是实现简单,缺点是可能损失目标变量中的时序信息。

方案二:定制TSMixer模型

对于需要保持TSMixer模型结构的情况,可以通过子类化修改模型实现:

  1. 创建自定义模块类,重写forward方法忽略目标输入
  2. 创建自定义模型类,返回自定义模块实例
class _CustomTSMixerModule(_TSMixerModule):
    def __init__(self, **kwargs):
        self.input_target_dim = kwargs["input_dim"]
        kwargs["input_dim"] = 0
        super().__init__(**kwargs)

    @io_processor
    def forward(self, x_in):
        x_past, x_future, x_static = x_in
        x_past = x_past[:, :, self.input_target_dim:]
        return super().forward.__wrapped__(self, (x_past, x_future, x_static))

class CustomTSMixerModel(TSMixerModel):
    def _create_model(self, train_sample):
        # 原始参数计算逻辑
        return _CustomTSMixerModule(**params)

方案三:修改数据集

另一种思路是在数据加载阶段就过滤掉目标变量:

class StrippedMixedCovariatesSequentialDataset(MixedCovariatesSequentialDataset):
    def __getitem__(self, idx):
        vals = list(super().__getitem__(idx))
        vals[0] = vals[0]*0  # 清零目标变量
        vals[2] = vals[2]*0  # 清零历史未来协变量
        return tuple(vals)

技术要点

  1. 输入张量结构:在Darts中,目标变量总是位于输入张量的起始位置
  2. 预测时处理:需要将目标变量设为NaN或零值
  3. 可逆变换:当忽略目标变量时,不能使用可逆实例标准化

最佳实践建议

  1. 对于简单场景,优先考虑使用RegressionModel
  2. 需要保持特定模型结构时,采用子类化方案
  3. 在资源受限情况下,可以考虑数据集过滤方案
  4. 无论采用哪种方案,都需要确保预测时的输入结构与训练时一致

总结

处理预测时目标变量不可用的问题是时间序列预测中的常见挑战。Darts项目提供了多种灵活的解决方案,开发者可以根据具体需求选择最适合的方法。理解这些技术方案的原理和实现细节,将有助于在实际项目中做出更合理的技术决策。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8