尧图网站开发 
做时间序列预测的同学应该都遇到过这种纠结模型到底选 GRU 还是 BiGRU信号太乱是不是该先做个分解VMD 这个预处理到底能带来多少提升就算都跑通了三个模型用同一份数据评估因为归一化方式不一样、训练集划分不一致、滑窗参数没对齐最后对比出的结果也没法真正说明问题。这套 VMD-BiGRU BiGRU GRU 三模型单变量时间序列预测一键对比的 Matlab 代码就是冲着这些问题来的。它把数据读取、VMD 分解、滑窗建样本、三套模型训练、指标评估、画图对比全部封装成一个主脚本跑一次就能得到三组结果和一张对比图非常适合做毕设、小论文实验对比或者刚接触深度学习时序预测、想在 Matlab 里快速验证思路的工程师和研究生。我拿实际数据跑过几轮也踩过不少坑下面把整体设计思路、核心实现细节、参数选择和常见的报错原因一条条说清楚。1. 项目整体设计思路为什么是这三个模型对比1.1 三个模型各自的定位先说 GRU。GRU 是 LSTM 的精简版把遗忘门和输入门合并成更新门还引入了重置门参数量比 LSTM 少训练速度更快。在单变量时间序列预测里GRU 通常作为“能不能学的动”的基线模型很多场景下它和 LSTM 精度差不多但训练省时间所以我习惯先拿 GRU 当基准。BiGRU 是在 GRU 基础上做双向结构一条正向 GRU 按时间顺序读序列一条反向 GRU 按时间逆序读序列最后把两个方向的隐状态拼接或求和在一起。单变量序列虽然是过去影响未来但某些局部模式下后面一小段数据能帮助确认前面的趋势拐点双向结构确实能多捕捉一些上下文信息。代价是参数翻倍训练更慢。VMD-BiGRU 则是把信号处理方法叠加到深度模型前面。VMD 全称变分模态分解Variational Mode Decomposition它能把一段复杂的非平稳序列分解成若干个带宽受限的固有模态函数IMF每个 IMF 相对平稳、周期性更清晰。对每个 IMF 分别建立 BiGRU 预测再把预测结果叠加相当于先把复杂问题拆成几个简单问题再分别求解理论上比直接用原始序列预测精度更高、鲁棒性更好。1.2 VMD到底解决了什么问题单变量时间序列预测最头疼的就是数据“脏”有趋势项、有季节周期、有随机噪声甚至还带着一些突变。直接把原始序列丢给 GRU 或 BiGRU网络需要同时学习所有这些特征很容易顾此失彼尤其是高频噪声会干扰模型对长期趋势的建模。VMD 的核心思路是把原始序列 f(t) 分解成 K 个模态分量 u_k(t) 每个分量围绕一个中心频率 \omega_k 分布并且所有分量之和等于原始信号。分解过程中通过交替方向乘子法ADMM不断更新模态和中心频率直到满足收敛条件。简单类比就像把一杯混合果汁按密度分层每一层都是单一成分再去分析每一层就容易多了。把这个思路迁移到时间序列预测中每个 IMF 的频谱特征相对集中GRU 或 BiGRU 只需要学会预测某个频率段的变化规律多个模型的结果叠加后整体预测自然更准。1.3 “一键对比”的核心是公平性很多人做模型对比时结果差距很大往往不是模型本身优劣而是实验设置不公平。要么训练/测试集划分不同要么滑窗长度不同要么归一化方式不同甚至每个模型用了不同的评估样本数。这套代码在设计时把所有可控变量都统一了同一份原始数据、同一个滑窗长度、同样的训练集比例、同样的预测步数、同一套评估指标。主脚本只需运行一次内部按照固定顺序完成三个模型的训练和评估再把结果汇总输出。这样得出的结论才有说服力也方便后续替换数据直接复用。2. 环境配置与数据准备工作2.1 Matlab版本与工具箱要求运行这套代码需要安装 Deep Learning Toolbox深度学习工具箱和 Signal Processing Toolbox信号处理工具箱。VMD 函数在 Matlab 2020a 及之后版本的 Signal Processing Toolbox 中才内置所以建议至少在 R2020a 以上运行。实际测试中R2021b 和 R2023a 上整套代码都能顺利跑通。如果版本较老可以用 File Exchange 上开源的 VMD 函数替换代码逻辑基本一样只是参数传递方式略有差异。另外训练 BiGRU 和 VMD-BiGRU 时如果电脑有 NVIDIA 显卡且安装了对应 CUDA 和 cuDNN速度会明显更快没有 GPU 也能跑只是训练时间会长一些可以把 MaxEpochs 适当调小。2.2 数据归一化和滑窗建样本归一化这一步很多人会忽略但深度学习模型对数据尺度非常敏感。原始时间序列数值范围可能是几百到几千直接喂给网络梯度容易爆炸收敛很慢。这里我采用 min-max 归一化把数据映射到 0 到 1 之间data_min min(data); data_max max(data); data_norm (data - data_min) / (data_max - data_min);预测完成后需要反归一化还原成真实数值pred_original pred_norm * (data_max - data_min) data_min;滑窗建样本是单变量序列预测的关键一步。假设用过去 windowSize 个时刻的数据预测下 1 个时刻则第 i 个样本的输入是 data(i:iwindowSize-1)输出是 data(iwindowSize)。这里有个非常容易踩坑的点Matlab 的 sequenceInputLayer 期望输入格式是 特征数 × 时间步 × 样本数而不是常见 Python 里的 样本数 × 时间步 × 特征数。新手经常把维度搞反导致 trainNetwork 报错。function [XTrain, YTrain] createSequences(data, windowSize) n length(data); XTrain zeros(1, windowSize, n - windowSize); YTrain zeros(1, n - windowSize); for i 1:n - windowSize XTrain(1, :, i) data(i:i windowSize - 1); YTrain(i) data(i windowSize); end end这段代码生成的 XTrain 维度是 1 × windowSize × numSamples第一维是特征数 1第二维是时间步第三维是样本数正好符合 sequenceInputLayer(1) 的要求。2.3 时间序列划分不能随机打乱分类任务里训练集和测试集通常随机划分但时间序列绝对不能这么干。随机打乱会破坏时序依赖关系比如模型在训练时见过第 100 天的数据测试时却去预测第 50 天这等于给了模型“未来信息”评估结果会虚高实际部署时完全达不到那个效果。正确做法是按时间顺序切分。一般用前 80% 作为训练集后 20% 作为测试集验证集可以从训练集尾部切一部分出来用于观察训练过程中的过拟合情况。例如总长度 1000前 600 个点训练600 到 800 个点验证最后 200 个点测试。trainRatio 0.6; valRatio 0.2; testRatio 0.2; trainLen floor(length(data_norm) * trainRatio); valLen floor(length(data_norm) * valRatio); dataTrain data_norm(1:trainLen); dataVal data_norm(trainLen1:trainLenvalLen); dataTest data_norm(trainLenvalLen1:end);注意归一化的均值和最大值最小值应该只从训练集统计得到而不是整段数据否则测试集的信息会通过归一化参数泄漏到训练过程里。3. VMD分解实现与K值选择经验3.1 VMD函数调用与关键参数Matlab 内置的 VMD 函数调用非常简单[imf, residual] vmd(data, NumIMF, K, Alpha, 2000);其中 imf 是 K × N 的矩阵每行是一个模态分量residual 是残差项。常用参数有四个含义如下参数默认值作用与调参建议NumIMF (K)依据信号自动确定模态数量需要人工观察中心频率确定Alpha2000带宽惩罚因子值越大模态带宽越窄越不容易混叠Tau0噪声容忍度0 表示完全信任原始信号DC0是否将第一个分量视为直流分量一般保持 0实际使用中 Alpha 用默认 2000 基本够用Tau 保持 0 就行。真正需要仔细调的是 K 值。3.2 K值选择中心频率观察法K 值选小了不同频率成分会挤在同一个模态里分解不彻底K 值选大了本来一个完整分量会被拆成两段产生虚假模态。最简单的调参方法是观察各 IMF 的中心频率分布。VMD 在迭代完成前不直接返回中心频率但可以通过傅里叶变换观察每个 IMF 的频谱峰值。[imf, ~] vmd(data, NumIMF, K, Alpha, 2000); for i 1:K fft_imf abs(fft(imf(i,:))); [~, idx] max(fft_imf(1:floor(length(fft_imf)/2))); center_freq(i) idx / length(fft_imf) * fs; end disp(center_freq);如果发现最后两个模态的中心频率非常接近比如 0.35Hz 和 0.38Hz说明 K 可能偏大应该减小。如果某些 IMF 频谱仍然包含多个明显的峰值说明 K 偏小应该增加。我的经验是先取 K3逐渐增加到 K8观察中心频率是否发散且均匀选择中心频率不再显著变化、各模态频谱不重叠的那个 K 值。不同数据集差别很大有些风功率数据 K5 效果好有些负荷数据 K8 才够用这一步值得多花时间。3.3 分解后再预测的核心流程VMD-BiGRU 不是把分解后的所有 IMF 拼在一起输入一个模型而是每个 IMF 单独建立 BiGRU 模型训练和预测最后把各预测结果相加加上残差项得到最终预测值。numIMF size(imf, 1); pred_imfs zeros(numIMF, numTest); for i 1:numIMF [X, Y] createSequences(imf_norm(i, :), windowSize); net trainBiGRU(X, Y); pred_imfs(i, :) predictAndReconstruct(net, imf_norm(i, :), windowSize); end pred_total sum(pred_imfs, 1) pred_residual;这里有个细节需要特别注意很多开源代码为了省事对整段序列先做 VMD 分解再按训练集和测试集切分。这在离线评估时能跑通但严格来说存在数据泄漏问题因为测试段的分解过程用到了整段信号的统计特性。更严格的工业做法是只在训练集上做 VMD 分解测试阶段对新增窗口数据实时重新分解或者采用滑动窗口更新分解。做学术对比时如果统一用“先分解再切分”的方式处理所有模型结论依然有相对参考价值但论文里需要说明这一点。4. BiGRU与GRU网络结构搭建4.1 Matlab里没有现成的BiGRU层怎么处理很多人第一次在 Matlab 里搜 BiGRU会发现在 Deep Learning Toolbox 里找不到 bigruLayer只有 gruLayer 和 bilstmLayer。这是因为官方没有提供现成的双向 GRU 层。常见替代方案有两个。第一个方案是用 bilstmLayer 近似替代因为 LSTM 和 GRU 的表达能力接近双向结构带来的提升在多数任务上是一致的。如果论文只要求实验对比 BiGRU 和 GRU用 bilstm 实现“BiGRU”在结果上通常也能接受但写法上会被审稿人质疑。第二个方案是用 layerGraph 手动搭建双向结构思路是原始输入同时送入正向 GRU 和反向 GRU反向支路先用 sequenceFlippingLayer 把序列反转经过 GRU 后再翻转回来最后用 concatenationLayer 拼接两个方向的输出再接全连接层。lgraph layerGraph(); lgraph addLayers(lgraph, sequenceInputLayer(1, Name, input)); lgraph addLayers(lgraph, gruLayer(64, Name, gru_fwd)); lgraph addLayers(lgraph, sequenceFlippingLayer(Name, flip1)); lgraph addLayers(lgraph, gruLayer(64, Name, gru_bwd)); lgraph addLayers(lgraph, sequenceFlippingLayer(Name, flip2)); lgraph addLayers(lgraph, concatenationLayer(1, 2, Name, cat)); lgraph addLayers(lgraph, fullyConnectedLayer(1, Name, fc)); lgraph addLayers(lgraph, regressionLayer(Name, output)); lgraph connectLayers(lgraph, input, gru_fwd); lgraph connectLayers(lgraph, input, flip1); lgraph connectLayers(lgraph, flip1, gru_bwd); lgraph connectLayers(lgraph, gru_bwd, flip2); lgraph connectLayers(lgraph, gru_fwd, cat/in1); lgraph connectLayers(lgraph, flip2, cat/in2); lgraph connectLayers(lgraph, cat, fc); lgraph connectLayers(lgraph, fc, output);注意 sequenceFlippingLayer 需要较新的 Matlab 版本R2021a 之后才比较稳定。如果你的版本没有这个层可以直接走方案一用 bilstmLayer 实现双向结构效果相似。4.2 网络结构与超参数设置GRU 基线模型用最简单的结构一个 GRU 层 一个全连接层。layersGRU [ sequenceInputLayer(1, Name, input) gruLayer(64, OutputMode, last, Name, gru) fullyConnectedLayer(1, Name, fc) regressionLayer(Name, output) ];BiGRU 模型在上一节的基础上把 GRU 层替换成双向拼接结构或者直接用 bilstmLayer(64) 加全连接层。隐藏单元数 64 是经验值数据量小可以降到 32数据量大可以用 128。单变量序列信息量有限隐藏单元过大反而容易过拟合。关于 Dropout时间序列预测中我一般不加或只加 0.2 左右的 Dropout。因为 VMD 分解后的 IMF 相对简单模型容量需求不大Dropout 过高会让网络欠拟合表现为训练集和测试集误差都很大。4.3 训练选项里的关键参数训练选项直接决定模型能不能收敛下面这组参数是我反复调过之后比较稳的配置options trainingOptions(adam, ... MaxEpochs, 200, ... MiniBatchSize, 64, ... InitialLearnRate, 0.005, ... LearnRateSchedule, piecewise, ... LearnRateDropPeriod, 50, ... LearnRateDropFactor, 0.2, ... GradientThreshold, 1, ... Shuffle, never, ... Verbose, 0, ... Plots, training-progress);这里有两个关键点。第一Shuffle 必须设置成 never。默认的 once 会在每轮训练前打乱样本顺序对时间序列来说这会破坏样本之间的时序依赖虽然单步预测样本本身是按滑窗构建的但训练时打乱会导致相邻样本的输入重叠信息被随机重排实际效果会变差。第二GradientThreshold 设置为 1能有效防止梯度爆炸。GRU 虽然比 LSTM 好一些但长时间序列的反向传播仍然可能梯度爆炸限制梯度范数是最有效的兜底手段。学习率 0.005 配合每 50 轮下降 0.2在大多数单变量数据集上表现不错。如果训练集较小可以降为 0.001避免震荡。5. 一键对比脚本设计与结果分析5.1 函数文件结构与主脚本逻辑整个项目不是一个大脚本堆到底而是拆成了几个职责清晰的函数便于替换数据和复用模型文件职责main_compare.m主脚本一键运行全部流程prepareData.m读取数据、归一化、划分训练/测试集vmdDecompose.m对序列做 VMD 分解createSequences.m滑窗建样本buildGRUModel.m构建并训练 GRU 模型buildBiGRUModel.m构建并训练 BiGRU 模型buildVMDBiGRUModel.m对每个 IMF 训练 BiGRU再重构预测evaluateMetrics.m计算 RMSE、MAE、MAPE、R2plotComparison.m绘制真实值与三模型预测对比图main_compare.m 的核心流程如下% 1. 读取数据 data loadData(data.csv); % 2. 数据准备只从训练集统计归一化参数 [X, Y, data_norm, params] prepareData(data, trainRatio, valRatio, testRatio); % 3. 模型1GRU net1 buildGRUModel(X, Y, options); pred1 predictAndReconstruct(net1, data_norm, windowSize, params); % 4. 模型2BiGRU net2 buildBiGRUModel(X, Y, options); pred2 predictAndReconstruct(net2, data_norm, windowSize, params); % 5. 模型3VMD-BiGRU [imf, residual] vmdDecompose(data_norm, K); pred3 buildVMDBiGRUModel(imf, residual, options); % 6. 评估与画图 metrics evaluateMetrics([pred1; pred2; pred3], actual); plotComparison(actual, pred1, pred2, pred3);使用 trainingOptions 定义统一的 options 传给三个模型能最大限度保证对比公平。5.2 评估指标选择评估指标这块我建议同时看四个指标不要只盯着 RMSERMSE均方根误差对大误差敏感能放大离群点的影响。公式上是预测误差平方后求平均再开根号。MAE平均绝对误差反映平均误差大小不受平方项影响更直观。MAPE平均绝对百分比误差相对误差指标适合对比不同量级的数据但当真实值接近 0 时会爆炸使用时要注意。R2决定系数衡量模型对真实值方差的解释程度越接近 1 越好。function metrics evaluateMetrics(pred, actual) % pred 和 actual 都是行向量 err pred - actual; rmse sqrt(mean(err.^2)); mae mean(abs(err)); mape mean(abs(err ./ actual)) * 100; ss_res sum(err.^2); ss_tot sum((actual - mean(actual)).^2); r2 1 - ss_res / ss_tot; metrics [rmse, mae, mape, r2]; end按经验数据举例假设某风速数据集上三个模型的结果如下模型RMSEMAEMAPE(%)R2GRU0.5230.4018.620.861BiGRU0.4980.3777.950.879VMD-BiGRU0.4310.3286.840.914从这个结果能看出BiGRU 比 GRU 略好VMD-BiGRU 提升更明显误差减少了约 15%。噪声大、非平稳性强的数据上VMD 带来的提升会更显著。5.3 结果解读哪些场景下VMD-BiGRU更占优VMD-BiGRU 并不是在所有数据集上都碾压其他两个模型。我实测下来它更适合非平稳性强、包含多频率成分的信号比如风速、风电功率、交通流量、股票价格这类数据。如果原始序列本身已经非常平滑、平稳比如实验室里生成的简单正弦波叠加白噪声VMD 分解后各模态过于简单反而可能引入分解误差导致结果不如直接用 BiGRU。还有一个容易被忽略的点VMD 分解后的每个 IMF 都需要单独训练一个模型这相当于把训练成本放大了 K 倍。如果数据量很大、模态数很多训练时间会让你怀疑人生。所以做工程落地时如果精度要求不是极高BiGRU 或者 GRU 已经够用做学术研究、追求极致精度时VMD-BiGRU 才是值得投入的方案。6. 高频报错、坑点与避坑技巧6.1 数据维度相关的报错最常见的是 trainNetwork 报错输入数据维度与网络层不匹配。原因是 XTrain 维度不是 sequenceInputLayer 期望的格式。比如 sequenceInputLayer(1) 期望 XTrain 是 1 × timesteps × numObservations很多新手按 Python 习惯写成了 numObservations × timesteps × 1一跑必然报错。遇到这个问题先 size(XTrain) 看一下维度再用 permute 调整即可。% 如果 X 是 numObservations × timesteps × 1转成 1 × timesteps × numObservations XTrain permute(XTrain, [3, 2, 1]);还有 sequenceFlippingLayer 连接时维度对不上的问题。concat 层的输入维度必须一致两个分支在 sequence 维度上都是 windowSizeconcat 沿特征维度拼接后变成 128 维再接 fullyConnectedLayer(1) 就没有问题。但如果某个分支忘记翻转回来拼接后时间步错位就会报维度错误。6.2 训练不收敛或输出恒定值训练过程中 loss 不下降或者预测结果是一条水平直线这是时间序列模型最容易遇到的问题。先检查归一化是否做对了。如果原始数据范围特别大比如风速在 0 到 30 之间而你没有归一化网络初始输出和真实值差距巨大梯度更新很难收敛。其次检查学习率。学习率过大loss 会震荡甚至变成 NaN学习率过小loss 下降极慢。用 0.005 起步如果发现 loss 曲线锯齿严重降到 0.001。如果预测结果是水平直线或者接近常数大概率是模型只学到了输出的均值。这种情况在滑窗序列中常见当序列本身平稳性差、信号复杂时模型认为预测均值是最小误差策略。解决办法是增加隐藏单元数量、加深网络层数或者在 VMD-BiGRU 中增加 K 值让分解更彻底。loss 出现 NaN 通常是梯度爆炸把 GradientThreshold 设为 1 基本能解决。6.3 评估中的“虚高”陷阱有时候测试集上的 MAPE 低到离谱比如 1% 不到先别高兴很可能是数据泄漏。最常见的泄漏就是先对整段数据做归一化再来划分训练测试集导致测试集的最大最小值参与了训练集的归一化参数计算。另一种是滑窗建样本时训练集和测试集的滑窗有重叠比如某个测试样本的输入窗口里包含训练集末尾的数据这不是严格意义上的泄漏但会造成评估结果偏好。VMD 分解也有类似问题。如果对整段数据先做 VMD 再切分测试段的模态分解用到了全局信息更严谨的做法是训练时只用训练段做 VMD测试时用得到的一组中心频率和模态重构结果来分解测试段。很多论文没有说明这一点做对比实验时尽量在文中注明数据处理方式至少保证三个模型使用相同处理流程结论才可信。另外预测结果天然存在相位滞后问题。用滑窗预测下一步时预测曲线通常比真实曲线延迟一个时间点这在 RMSE 上会表现为不小的误差。不是模型没学好而是单变量单步预测的固有限制。如果论文里想展示更好的视觉效果可以尝试多步预测或序列到序列结构但那是另一个话题了。最后再分享一个我实际中的小体会先跑通 GRU再逐步替换成 BiGRU最后才加 VMD 分解。这样做的好处是每一步都有明确对比出问题能快速定位是模型结构问题、数据问题还是分解参数问题。不要一上来就三层结构全部拉起到时候报错都不知道从哪查起。这套代码的扩展空间也很大比如把单变量换成多变量、把单步预测改成多步预测、或者把 VMD 换成 EEMD 做对比框架基本都能复用只需要替换数据处理和网络结构的对应模块就行。 
做时间序列预测的同学应该都遇到过这种纠结模型到底选 GRU 还是 BiGRU信号太乱是不是该先做个分解VMD 这个预处理到底能带来多少提升就算都跑通了三个模型用同一份数据评估因为归一化方式不一样、训练集划分不一致、滑窗参数没对齐最后对比出的结果也没法真正说明问题。这套 VMD-BiGRU BiGRU GRU 三模型单变量时间序列预测一键对比的 Matlab 代码就是冲着这些问题来的。它把数据读取、VMD 分解、滑窗建样本、三套模型训练、指标评估、画图对比全部封装成一个主脚本跑一次就能得到三组结果和一张对比图非常适合做毕设、小论文实验对比或者刚接触深度学习时序预测、想在 Matlab 里快速验证思路的工程师和研究生。我拿实际数据跑过几轮也踩过不少坑下面把整体设计思路、核心实现细节、参数选择和常见的报错原因一条条说清楚。1. 项目整体设计思路为什么是这三个模型对比1.1 三个模型各自的定位先说 GRU。GRU 是 LSTM 的精简版把遗忘门和输入门合并成更新门还引入了重置门参数量比 LSTM 少训练速度更快。在单变量时间序列预测里GRU 通常作为“能不能学的动”的基线模型很多场景下它和 LSTM 精度差不多但训练省时间所以我习惯先拿 GRU 当基准。BiGRU 是在 GRU 基础上做双向结构一条正向 GRU 按时间顺序读序列一条反向 GRU 按时间逆序读序列最后把两个方向的隐状态拼接或求和在一起。单变量序列虽然是过去影响未来但某些局部模式下后面一小段数据能帮助确认前面的趋势拐点双向结构确实能多捕捉一些上下文信息。代价是参数翻倍训练更慢。VMD-BiGRU 则是把信号处理方法叠加到深度模型前面。VMD 全称变分模态分解Variational Mode Decomposition它能把一段复杂的非平稳序列分解成若干个带宽受限的固有模态函数IMF每个 IMF 相对平稳、周期性更清晰。对每个 IMF 分别建立 BiGRU 预测再把预测结果叠加相当于先把复杂问题拆成几个简单问题再分别求解理论上比直接用原始序列预测精度更高、鲁棒性更好。1.2 VMD到底解决了什么问题单变量时间序列预测最头疼的就是数据“脏”有趋势项、有季节周期、有随机噪声甚至还带着一些突变。直接把原始序列丢给 GRU 或 BiGRU网络需要同时学习所有这些特征很容易顾此失彼尤其是高频噪声会干扰模型对长期趋势的建模。VMD 的核心思路是把原始序列 f(t) 分解成 K 个模态分量 u_k(t) 每个分量围绕一个中心频率 \omega_k 分布并且所有分量之和等于原始信号。分解过程中通过交替方向乘子法ADMM不断更新模态和中心频率直到满足收敛条件。简单类比就像把一杯混合果汁按密度分层每一层都是单一成分再去分析每一层就容易多了。把这个思路迁移到时间序列预测中每个 IMF 的频谱特征相对集中GRU 或 BiGRU 只需要学会预测某个频率段的变化规律多个模型的结果叠加后整体预测自然更准。1.3 “一键对比”的核心是公平性很多人做模型对比时结果差距很大往往不是模型本身优劣而是实验设置不公平。要么训练/测试集划分不同要么滑窗长度不同要么归一化方式不同甚至每个模型用了不同的评估样本数。这套代码在设计时把所有可控变量都统一了同一份原始数据、同一个滑窗长度、同样的训练集比例、同样的预测步数、同一套评估指标。主脚本只需运行一次内部按照固定顺序完成三个模型的训练和评估再把结果汇总输出。这样得出的结论才有说服力也方便后续替换数据直接复用。2. 环境配置与数据准备工作2.1 Matlab版本与工具箱要求运行这套代码需要安装 Deep Learning Toolbox深度学习工具箱和 Signal Processing Toolbox信号处理工具箱。VMD 函数在 Matlab 2020a 及之后版本的 Signal Processing Toolbox 中才内置所以建议至少在 R2020a 以上运行。实际测试中R2021b 和 R2023a 上整套代码都能顺利跑通。如果版本较老可以用 File Exchange 上开源的 VMD 函数替换代码逻辑基本一样只是参数传递方式略有差异。另外训练 BiGRU 和 VMD-BiGRU 时如果电脑有 NVIDIA 显卡且安装了对应 CUDA 和 cuDNN速度会明显更快没有 GPU 也能跑只是训练时间会长一些可以把 MaxEpochs 适当调小。2.2 数据归一化和滑窗建样本归一化这一步很多人会忽略但深度学习模型对数据尺度非常敏感。原始时间序列数值范围可能是几百到几千直接喂给网络梯度容易爆炸收敛很慢。这里我采用 min-max 归一化把数据映射到 0 到 1 之间data_min min(data); data_max max(data); data_norm (data - data_min) / (data_max - data_min);预测完成后需要反归一化还原成真实数值pred_original pred_norm * (data_max - data_min) data_min;滑窗建样本是单变量序列预测的关键一步。假设用过去 windowSize 个时刻的数据预测下 1 个时刻则第 i 个样本的输入是 data(i:iwindowSize-1)输出是 data(iwindowSize)。这里有个非常容易踩坑的点Matlab 的 sequenceInputLayer 期望输入格式是 特征数 × 时间步 × 样本数而不是常见 Python 里的 样本数 × 时间步 × 特征数。新手经常把维度搞反导致 trainNetwork 报错。function [XTrain, YTrain] createSequences(data, windowSize) n length(data); XTrain zeros(1, windowSize, n - windowSize); YTrain zeros(1, n - windowSize); for i 1:n - windowSize XTrain(1, :, i) data(i:i windowSize - 1); YTrain(i) data(i windowSize); end end这段代码生成的 XTrain 维度是 1 × windowSize × numSamples第一维是特征数 1第二维是时间步第三维是样本数正好符合 sequenceInputLayer(1) 的要求。2.3 时间序列划分不能随机打乱分类任务里训练集和测试集通常随机划分但时间序列绝对不能这么干。随机打乱会破坏时序依赖关系比如模型在训练时见过第 100 天的数据测试时却去预测第 50 天这等于给了模型“未来信息”评估结果会虚高实际部署时完全达不到那个效果。正确做法是按时间顺序切分。一般用前 80% 作为训练集后 20% 作为测试集验证集可以从训练集尾部切一部分出来用于观察训练过程中的过拟合情况。例如总长度 1000前 600 个点训练600 到 800 个点验证最后 200 个点测试。trainRatio 0.6; valRatio 0.2; testRatio 0.2; trainLen floor(length(data_norm) * trainRatio); valLen floor(length(data_norm) * valRatio); dataTrain data_norm(1:trainLen); dataVal data_norm(trainLen1:trainLenvalLen); dataTest data_norm(trainLenvalLen1:end);注意归一化的均值和最大值最小值应该只从训练集统计得到而不是整段数据否则测试集的信息会通过归一化参数泄漏到训练过程里。3. VMD分解实现与K值选择经验3.1 VMD函数调用与关键参数Matlab 内置的 VMD 函数调用非常简单[imf, residual] vmd(data, NumIMF, K, Alpha, 2000);其中 imf 是 K × N 的矩阵每行是一个模态分量residual 是残差项。常用参数有四个含义如下参数默认值作用与调参建议NumIMF (K)依据信号自动确定模态数量需要人工观察中心频率确定Alpha2000带宽惩罚因子值越大模态带宽越窄越不容易混叠Tau0噪声容忍度0 表示完全信任原始信号DC0是否将第一个分量视为直流分量一般保持 0实际使用中 Alpha 用默认 2000 基本够用Tau 保持 0 就行。真正需要仔细调的是 K 值。3.2 K值选择中心频率观察法K 值选小了不同频率成分会挤在同一个模态里分解不彻底K 值选大了本来一个完整分量会被拆成两段产生虚假模态。最简单的调参方法是观察各 IMF 的中心频率分布。VMD 在迭代完成前不直接返回中心频率但可以通过傅里叶变换观察每个 IMF 的频谱峰值。[imf, ~] vmd(data, NumIMF, K, Alpha, 2000); for i 1:K fft_imf abs(fft(imf(i,:))); [~, idx] max(fft_imf(1:floor(length(fft_imf)/2))); center_freq(i) idx / length(fft_imf) * fs; end disp(center_freq);如果发现最后两个模态的中心频率非常接近比如 0.35Hz 和 0.38Hz说明 K 可能偏大应该减小。如果某些 IMF 频谱仍然包含多个明显的峰值说明 K 偏小应该增加。我的经验是先取 K3逐渐增加到 K8观察中心频率是否发散且均匀选择中心频率不再显著变化、各模态频谱不重叠的那个 K 值。不同数据集差别很大有些风功率数据 K5 效果好有些负荷数据 K8 才够用这一步值得多花时间。3.3 分解后再预测的核心流程VMD-BiGRU 不是把分解后的所有 IMF 拼在一起输入一个模型而是每个 IMF 单独建立 BiGRU 模型训练和预测最后把各预测结果相加加上残差项得到最终预测值。numIMF size(imf, 1); pred_imfs zeros(numIMF, numTest); for i 1:numIMF [X, Y] createSequences(imf_norm(i, :), windowSize); net trainBiGRU(X, Y); pred_imfs(i, :) predictAndReconstruct(net, imf_norm(i, :), windowSize); end pred_total sum(pred_imfs, 1) pred_residual;这里有个细节需要特别注意很多开源代码为了省事对整段序列先做 VMD 分解再按训练集和测试集切分。这在离线评估时能跑通但严格来说存在数据泄漏问题因为测试段的分解过程用到了整段信号的统计特性。更严格的工业做法是只在训练集上做 VMD 分解测试阶段对新增窗口数据实时重新分解或者采用滑动窗口更新分解。做学术对比时如果统一用“先分解再切分”的方式处理所有模型结论依然有相对参考价值但论文里需要说明这一点。4. BiGRU与GRU网络结构搭建4.1 Matlab里没有现成的BiGRU层怎么处理很多人第一次在 Matlab 里搜 BiGRU会发现在 Deep Learning Toolbox 里找不到 bigruLayer只有 gruLayer 和 bilstmLayer。这是因为官方没有提供现成的双向 GRU 层。常见替代方案有两个。第一个方案是用 bilstmLayer 近似替代因为 LSTM 和 GRU 的表达能力接近双向结构带来的提升在多数任务上是一致的。如果论文只要求实验对比 BiGRU 和 GRU用 bilstm 实现“BiGRU”在结果上通常也能接受但写法上会被审稿人质疑。第二个方案是用 layerGraph 手动搭建双向结构思路是原始输入同时送入正向 GRU 和反向 GRU反向支路先用 sequenceFlippingLayer 把序列反转经过 GRU 后再翻转回来最后用 concatenationLayer 拼接两个方向的输出再接全连接层。lgraph layerGraph(); lgraph addLayers(lgraph, sequenceInputLayer(1, Name, input)); lgraph addLayers(lgraph, gruLayer(64, Name, gru_fwd)); lgraph addLayers(lgraph, sequenceFlippingLayer(Name, flip1)); lgraph addLayers(lgraph, gruLayer(64, Name, gru_bwd)); lgraph addLayers(lgraph, sequenceFlippingLayer(Name, flip2)); lgraph addLayers(lgraph, concatenationLayer(1, 2, Name, cat)); lgraph addLayers(lgraph, fullyConnectedLayer(1, Name, fc)); lgraph addLayers(lgraph, regressionLayer(Name, output)); lgraph connectLayers(lgraph, input, gru_fwd); lgraph connectLayers(lgraph, input, flip1); lgraph connectLayers(lgraph, flip1, gru_bwd); lgraph connectLayers(lgraph, gru_bwd, flip2); lgraph connectLayers(lgraph, gru_fwd, cat/in1); lgraph connectLayers(lgraph, flip2, cat/in2); lgraph connectLayers(lgraph, cat, fc); lgraph connectLayers(lgraph, fc, output);注意 sequenceFlippingLayer 需要较新的 Matlab 版本R2021a 之后才比较稳定。如果你的版本没有这个层可以直接走方案一用 bilstmLayer 实现双向结构效果相似。4.2 网络结构与超参数设置GRU 基线模型用最简单的结构一个 GRU 层 一个全连接层。layersGRU [ sequenceInputLayer(1, Name, input) gruLayer(64, OutputMode, last, Name, gru) fullyConnectedLayer(1, Name, fc) regressionLayer(Name, output) ];BiGRU 模型在上一节的基础上把 GRU 层替换成双向拼接结构或者直接用 bilstmLayer(64) 加全连接层。隐藏单元数 64 是经验值数据量小可以降到 32数据量大可以用 128。单变量序列信息量有限隐藏单元过大反而容易过拟合。关于 Dropout时间序列预测中我一般不加或只加 0.2 左右的 Dropout。因为 VMD 分解后的 IMF 相对简单模型容量需求不大Dropout 过高会让网络欠拟合表现为训练集和测试集误差都很大。4.3 训练选项里的关键参数训练选项直接决定模型能不能收敛下面这组参数是我反复调过之后比较稳的配置options trainingOptions(adam, ... MaxEpochs, 200, ... MiniBatchSize, 64, ... InitialLearnRate, 0.005, ... LearnRateSchedule, piecewise, ... LearnRateDropPeriod, 50, ... LearnRateDropFactor, 0.2, ... GradientThreshold, 1, ... Shuffle, never, ... Verbose, 0, ... Plots, training-progress);这里有两个关键点。第一Shuffle 必须设置成 never。默认的 once 会在每轮训练前打乱样本顺序对时间序列来说这会破坏样本之间的时序依赖虽然单步预测样本本身是按滑窗构建的但训练时打乱会导致相邻样本的输入重叠信息被随机重排实际效果会变差。第二GradientThreshold 设置为 1能有效防止梯度爆炸。GRU 虽然比 LSTM 好一些但长时间序列的反向传播仍然可能梯度爆炸限制梯度范数是最有效的兜底手段。学习率 0.005 配合每 50 轮下降 0.2在大多数单变量数据集上表现不错。如果训练集较小可以降为 0.001避免震荡。5. 一键对比脚本设计与结果分析5.1 函数文件结构与主脚本逻辑整个项目不是一个大脚本堆到底而是拆成了几个职责清晰的函数便于替换数据和复用模型文件职责main_compare.m主脚本一键运行全部流程prepareData.m读取数据、归一化、划分训练/测试集vmdDecompose.m对序列做 VMD 分解createSequences.m滑窗建样本buildGRUModel.m构建并训练 GRU 模型buildBiGRUModel.m构建并训练 BiGRU 模型buildVMDBiGRUModel.m对每个 IMF 训练 BiGRU再重构预测evaluateMetrics.m计算 RMSE、MAE、MAPE、R2plotComparison.m绘制真实值与三模型预测对比图main_compare.m 的核心流程如下% 1. 读取数据 data loadData(data.csv); % 2. 数据准备只从训练集统计归一化参数 [X, Y, data_norm, params] prepareData(data, trainRatio, valRatio, testRatio); % 3. 模型1GRU net1 buildGRUModel(X, Y, options); pred1 predictAndReconstruct(net1, data_norm, windowSize, params); % 4. 模型2BiGRU net2 buildBiGRUModel(X, Y, options); pred2 predictAndReconstruct(net2, data_norm, windowSize, params); % 5. 模型3VMD-BiGRU [imf, residual] vmdDecompose(data_norm, K); pred3 buildVMDBiGRUModel(imf, residual, options); % 6. 评估与画图 metrics evaluateMetrics([pred1; pred2; pred3], actual); plotComparison(actual, pred1, pred2, pred3);使用 trainingOptions 定义统一的 options 传给三个模型能最大限度保证对比公平。5.2 评估指标选择评估指标这块我建议同时看四个指标不要只盯着 RMSERMSE均方根误差对大误差敏感能放大离群点的影响。公式上是预测误差平方后求平均再开根号。MAE平均绝对误差反映平均误差大小不受平方项影响更直观。MAPE平均绝对百分比误差相对误差指标适合对比不同量级的数据但当真实值接近 0 时会爆炸使用时要注意。R2决定系数衡量模型对真实值方差的解释程度越接近 1 越好。function metrics evaluateMetrics(pred, actual) % pred 和 actual 都是行向量 err pred - actual; rmse sqrt(mean(err.^2)); mae mean(abs(err)); mape mean(abs(err ./ actual)) * 100; ss_res sum(err.^2); ss_tot sum((actual - mean(actual)).^2); r2 1 - ss_res / ss_tot; metrics [rmse, mae, mape, r2]; end按经验数据举例假设某风速数据集上三个模型的结果如下模型RMSEMAEMAPE(%)R2GRU0.5230.4018.620.861BiGRU0.4980.3777.950.879VMD-BiGRU0.4310.3286.840.914从这个结果能看出BiGRU 比 GRU 略好VMD-BiGRU 提升更明显误差减少了约 15%。噪声大、非平稳性强的数据上VMD 带来的提升会更显著。5.3 结果解读哪些场景下VMD-BiGRU更占优VMD-BiGRU 并不是在所有数据集上都碾压其他两个模型。我实测下来它更适合非平稳性强、包含多频率成分的信号比如风速、风电功率、交通流量、股票价格这类数据。如果原始序列本身已经非常平滑、平稳比如实验室里生成的简单正弦波叠加白噪声VMD 分解后各模态过于简单反而可能引入分解误差导致结果不如直接用 BiGRU。还有一个容易被忽略的点VMD 分解后的每个 IMF 都需要单独训练一个模型这相当于把训练成本放大了 K 倍。如果数据量很大、模态数很多训练时间会让你怀疑人生。所以做工程落地时如果精度要求不是极高BiGRU 或者 GRU 已经够用做学术研究、追求极致精度时VMD-BiGRU 才是值得投入的方案。6. 高频报错、坑点与避坑技巧6.1 数据维度相关的报错最常见的是 trainNetwork 报错输入数据维度与网络层不匹配。原因是 XTrain 维度不是 sequenceInputLayer 期望的格式。比如 sequenceInputLayer(1) 期望 XTrain 是 1 × timesteps × numObservations很多新手按 Python 习惯写成了 numObservations × timesteps × 1一跑必然报错。遇到这个问题先 size(XTrain) 看一下维度再用 permute 调整即可。% 如果 X 是 numObservations × timesteps × 1转成 1 × timesteps × numObservations XTrain permute(XTrain, [3, 2, 1]);还有 sequenceFlippingLayer 连接时维度对不上的问题。concat 层的输入维度必须一致两个分支在 sequence 维度上都是 windowSizeconcat 沿特征维度拼接后变成 128 维再接 fullyConnectedLayer(1) 就没有问题。但如果某个分支忘记翻转回来拼接后时间步错位就会报维度错误。6.2 训练不收敛或输出恒定值训练过程中 loss 不下降或者预测结果是一条水平直线这是时间序列模型最容易遇到的问题。先检查归一化是否做对了。如果原始数据范围特别大比如风速在 0 到 30 之间而你没有归一化网络初始输出和真实值差距巨大梯度更新很难收敛。其次检查学习率。学习率过大loss 会震荡甚至变成 NaN学习率过小loss 下降极慢。用 0.005 起步如果发现 loss 曲线锯齿严重降到 0.001。如果预测结果是水平直线或者接近常数大概率是模型只学到了输出的均值。这种情况在滑窗序列中常见当序列本身平稳性差、信号复杂时模型认为预测均值是最小误差策略。解决办法是增加隐藏单元数量、加深网络层数或者在 VMD-BiGRU 中增加 K 值让分解更彻底。loss 出现 NaN 通常是梯度爆炸把 GradientThreshold 设为 1 基本能解决。6.3 评估中的“虚高”陷阱有时候测试集上的 MAPE 低到离谱比如 1% 不到先别高兴很可能是数据泄漏。最常见的泄漏就是先对整段数据做归一化再来划分训练测试集导致测试集的最大最小值参与了训练集的归一化参数计算。另一种是滑窗建样本时训练集和测试集的滑窗有重叠比如某个测试样本的输入窗口里包含训练集末尾的数据这不是严格意义上的泄漏但会造成评估结果偏好。VMD 分解也有类似问题。如果对整段数据先做 VMD 再切分测试段的模态分解用到了全局信息更严谨的做法是训练时只用训练段做 VMD测试时用得到的一组中心频率和模态重构结果来分解测试段。很多论文没有说明这一点做对比实验时尽量在文中注明数据处理方式至少保证三个模型使用相同处理流程结论才可信。另外预测结果天然存在相位滞后问题。用滑窗预测下一步时预测曲线通常比真实曲线延迟一个时间点这在 RMSE 上会表现为不小的误差。不是模型没学好而是单变量单步预测的固有限制。如果论文里想展示更好的视觉效果可以尝试多步预测或序列到序列结构但那是另一个话题了。最后再分享一个我实际中的小体会先跑通 GRU再逐步替换成 BiGRU最后才加 VMD 分解。这样做的好处是每一步都有明确对比出问题能快速定位是模型结构问题、数据问题还是分解参数问题。不要一上来就三层结构全部拉起到时候报错都不知道从哪查起。这套代码的扩展空间也很大比如把单变量换成多变量、把单步预测改成多步预测、或者把 VMD 换成 EEMD 做对比框架基本都能复用只需要替换数据处理和网络结构的对应模块就行。