NeuralForecast中实现滚动窗口预测的技术方案
2025-06-24 02:00:16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
-
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)
-
初始化数据:
- 使用训练数据作为初始输入
-
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:
- 遍历models属性获取单个模型
- 对每个模型单独执行递归预测
- 合并各模型的最终预测结果
实际应用建议
- 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
- 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
- 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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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
866
513

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
261
302

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

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
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

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
332
1.08 K