首页
/ NeuralForecast中实现滚动窗口预测的技术方案

NeuralForecast中实现滚动窗口预测的技术方案

2025-06-24 00:28:04作者:卓炯娓

概述

在时间序列预测领域,NeuralForecast作为Nixtla推出的深度学习预测库,提供了强大的预测能力。本文将详细介绍如何在NeuralForecast中实现滚动窗口预测的技术方案,解决当测试集长度远大于模型设定的预测范围(h)时的预测挑战。

问题背景

在实际应用中,我们经常会遇到这样的情况:模型被训练为预测短期范围(如7天),但需要在更长的测试集(如30天)上进行预测。直接设置h=30会导致内存不足等问题,而传统的测试集分割方法又无法满足需求。

递归预测解决方案

NeuralForecast提供了递归预测的方法来实现滚动窗口预测。其核心思想是将模型的预测结果作为下一步预测的输入,逐步扩展预测范围。

实现步骤

  1. 确定预测参数

    • 定义完整预测范围(full_horizon)
    • 计算需要进行的预测次数(n_predicts)
  2. 初始化数据

    • 使用训练数据作为初始输入
  3. 循环预测

    • 每次预测模型设定的h步
    • 将预测结果追加到历史数据中
    • 重复直到覆盖完整预测范围

代码实现

import math
import pandas as pd

# 设置预测参数
full_horizon = 200  # 完整预测范围
n_predicts = math.ceil(full_horizon / model.h)  # 计算预测次数

# 初始化数据
combined_train = train.copy()
forecasts = []

# 递归预测循环
for _ in range(n_predicts):
    # 进行单步预测
    step_forecast = probabilistic_nhits.predict(df=combined_train, futr_df=test)
    forecasts.append(step_forecast)
    
    # 重命名预测列为目标变量名
    step_forecast = step_forecast.rename(columns={your_model_name: 'y'})
    
    # 将预测结果追加到历史数据中
    combined_train = pd.concat([combined_train, step_forecast])

# 合并所有预测结果
final_forecast = pd.concat(forecasts)

多模型处理方案

当NeuralForecast对象包含多个模型时,需要分别处理每个模型:

  1. 遍历models属性获取单个模型
  2. 对每个模型单独执行递归预测
  3. 合并各模型的最终预测结果

实际应用建议

  1. 内存管理:对于高频数据(如15分钟间隔),注意控制每次预测的范围,避免内存溢出
  2. 误差累积:递归预测可能导致误差累积,建议定期用真实值重置预测序列
  3. 性能优化:可以考虑并行化处理多个模型的预测过程

总结

通过递归预测方法,NeuralForecast可以灵活地实现任意长度的滚动窗口预测,突破了模型原始h参数的限制。这种技术方案特别适合需要长期预测但受限于计算资源的应用场景,为时间序列预测提供了更大的灵活性。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
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
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
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
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
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
518
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0