尧图网站开发 
简介这是一套基于Transformer实现长期预测并可视化结果的Python代码包面向自然语言处理与时间序列预测方向的学习者。资源基于《Attention is All You Need》设计编码器-解码器结构融入自注意力、多头注意力、位置编码、残差连接与层归一化等核心组件并针对ETTh1电力数据集完成长期预测实验输出真实值对比预测结果的可视化图表。全部39个文件压缩后约26.49MB主体为13个Python源码模型搭建、数据加载、训练评估、10个pyc缓存、6个XML配置、3个CSV数据、2个TXT说明另有模型权重pth、结果预览PNG及工程环境文件目录按模型、数据、工具、结果分层组织配合main.py可一键启动从读取、训练到出图的流程便于定位和二次开发。代码还包含数据加载、掩码、指标计算等工具模块有助于复现和理解内部机制。目前已有275人学习下载。通过这份代码读者能完整走过预处理、建模、训练验证与可视化的全流程理解Transformer在非NLP序列预测任务上的适配思路借鉴Projection、Invertible、Decomposition等设计提升预测精度并扩展自己的预测项目是进阶序列建模实战的理想起点。1. 长期预测为什么要押注Transformer一个zip包背后要解决的问题把Transformer用在长期预测上这几年几乎成了时序建模的默认起手式。标题里这个zip包本质是把三件事打包一套能处理长序列的Transformer架构、一份把历史数据切成训练样本的滑窗逻辑、一组能把预测结果画出来供你判断的可视化脚本。它解决的核心痛点是——传统RNN在预测长度超过几十步时早期信息基本被冲散而Transformer的自注意力让序列里任意两个位置都能直接交互远程依赖不再依赖记忆接力。适合的人群很明确要做电力负荷、气象、流量这类多步预测的从业者手里有Python环境想先拿一份能跑通、能出图的代码建立基准线而不是从零啃论文。2. transformer架构拆解自注意力、位置编码与预测头的三个设计决策网上讲 transformer模型详解 的文章一抓一大把但多数是拿 NLP 的翻译任务当例子。把它挪到长期预测你会发现真正决定模型死活的关键只剩三处自注意力怎么覆盖长程依赖、位置编码怎么把时间顺序告诉模型、预测头怎么把编码结果变成未来若干步的数值。这三处想透了剩下就是调参撞墙。2.1 自注意力为什么能看住长序列QKV 与全局感受野自注意力的核心就一个点序列里任意两个时间步可以直接计算关联不需要经过中间步接力。公式是 Attention(Q,K,V)softmax(QK^T/√d_k)V其中 Q 是查询、K 是键、V 是值三者都由输入线性变换得到。对于长度为 L 的输入Q 和 K 的点积矩阵是 L×L每个位置都能看到所有位置感受野是全局的。对比一下就很直观LSTM 处理第 t 步时只能依赖记忆单元里接力过来的信息第 t 步的信息要传到第 t50 步中间要经过 50 次门控衰减有效信息基本损耗殆尽——这是它在长序列预测上表现平庸的根源。Transformer 里第 t 步和第 t50 步的交互路径长度是 1无论序列多长都没有远距离信息丢失这个说法。放到长期预测场景这意味着如果电力负荷序列存在 12 小时前的强相关Transformer 可以直接把 12 小时前那个位置的特征提取出来用于预测明天此刻的值LSTM 则大概率已经把这条线索磨没了。这就是为什么长期预测场景几乎都在往 Transformer 架构上迁移。当然全局注意力也不是没有代价——L×L 的点积矩阵输入长度 512 时是 26 万个元素显存压力不小所以超过这个规模就该考虑 Informer 这类稀疏注意力变体。提示位置编码的维度必须和 d_model 一致加法注入时两者形状要完全对齐否则模型静默错乱比直接报错更难查。2.2 位置编码不是可选项时间顺序信息从哪来自注意力有个反直觉的特性它对输入顺序不敏感。把序列 [t1, t2, t3] 打乱成 [t3, t1, t2]注意力计算结果完全一样——因为 QK 点积只跟内容有关不跟位置有关。可时间序列最本质的信息就是先后顺序所以位置编码不是锦上添花而是必需品。常见的两种做法一是正弦位置编码用 sin 和 cos 的交替函数生成每个位置的编码向量好处是序列长度变化时编码依然有效且位置之间的距离可以通过向量的线性关系表达二是可学习位置编码把位置编码当成可训练参数参与反向传播代码里就是 nn.Parameter(torch.randn(1, seq_len, d_model))。我一般先在固定窗口长度的场景里用可学习的跑通之后如果发现预测有周期性丢失再换回正弦编码对比。注意一个坑如果用了可学习编码训练时窗口多长推理时也必须同样长度窗口长度变了它要么直接报错要么静默错乱。这属于验证阶段最容易翻车、又最容易被忽略的点第 5 章我专门展开讲。2.3 预测头怎么选一次性直接预测还是迭代自回归编码器把输入序列编码完之后怎么变成未来 pred_len 步的输出决定了整个模型的误差特性。三种常见做法放在一张表里预测方式误差累积训练成本适用场景纯编码器 线性回归头无各步独立出值最低固定预测长度推荐首跑自回归迭代把上一步输出当输入有随步数放大中需要 teacher forcing滚动预测长度实时变化编码器-解码器结构有高训练慢对标原版 Transformer数据量极大时考虑我的习惯是首跑一律用纯编码器加线性头输入窗口 seq_len 步输出直接是 pred_len 个值。它的逻辑是让每个输出步都从全局编码里取信息不依赖上一步预测对了没有所以不会有误差累积。自回归迭代虽然长度灵活但第 10 步的误差是前 9 步误差的叠加长程上曲线经常飘走调试起来很痛苦。至于编码器-解码器除非你是拿原版 Transformer 做基线对比否则在多数工业数据上投入产出比很低。3. 用PyTorch落地最小可运行Transformer预测模型数据、模型、训练三连这一章对应 zip 包里最核心的三块脚本。拿到代码包先别急着跑先确认三样东西在不在数据预处理、模型定义、训练入口。缺哪块补哪块。我建议的顺序是先在正弦数据上跑通——transformer预测正弦数据是成本最低的最小验证靶场能复现出相位和幅值了再换真实负荷数据。3.1 数据准备滑窗切样本与归一化的正确顺序第一步是把历史序列切成 (输入, 输出) 样本对专业说法叫滑动窗口。窗口长度是 seq_len预测长度是 pred_len。下面这段是单变量序列的常见写法import numpy as np import pandas as pd from sklearn.preprocessing import StandardScaler # 读数据一列时间、一列数值多变量就把数值列叠起来 df pd.read_csv(load.csv, parse_dates[time]) values df[load].values.reshape(-1, 1) # 归一化先切分再 fit 训练段测试段只做 transform train_len int(len(values) * 0.8) scaler StandardScaler() train_values scaler.fit_transform(values[:train_len]) test_values scaler.transform(values[train_len:])逻辑说明代码里最关键的是归一化的顺序。一定要先把训练段切出来用训练段的均值和方差做 fit测试段用同一组参数只做 transform。如果先对全量数据 fit测试段的信息就通过均值和方差泄进来了验证结果会虚高后面第 5 章细说。参数说明train_len 取 80% 是常见留出比例更严格的做法是用最近的一段连续时间做测试因为时间序列不能随机抽样切分否则相邻样本会互相泄漏。注意归一化的 fit_transform 和切分的先后顺序直接决定测试集有没有泄漏。先切分再 fit。接着用滑窗函数切样本def create_sequences(data, seq_len96, pred_len24): xs, ys [], [] for i in range(len(data) - seq_len - pred_len 1): xs.append(data[i : i seq_len]) ys.append(data[i seq_len : i seq_len pred_len]) return np.asarray(xs, dtypenp.float32), np.asarray(ys, dtypenp.float32) xs_train, ys_train create_sequences(train_values, 96, 24) xs_test, ys_test create_sequences(test_values, 96, 24)逻辑说明create_sequences 里每个样本的输入是 [i, iseq_len) 这一段输出是紧接着的 [iseq_len, iseq_lenpred_len) 这一段两者在时间上严格连续没有重叠。这个连续性是硬要求一旦中间跳过几步模型学到的就是断裂的映射。参数说明seq_len 和 pred_len 的取值跟数据采样周期强相关。小时级电力数据seq_len 取 964 天到 168一周比较常见pred_len 取 24 或 48分钟级数据输入可以放宽到 512 以内。如果切窗时步长取 1相邻样本高度重叠训练会慢取 pred_len 则样本减少但更贴近真实滚动预测的节奏。最后包装成 PyTorch 的 DataLoaderfrom torch.utils.data import Dataset, DataLoader import torch class TimeSeriesDataset(Dataset): def __init__(self, xs, ys): self.xs torch.tensor(xs) self.ys torch.tensor(ys) def __len__(self): return len(self.xs) def __getitem__(self, idx): return self.xs[idx], self.ys[idx] train_loader DataLoader(TimeSeriesDataset(xs_train, ys_train), batch_size64, shuffleTrue) test_loader DataLoader(TimeSeriesDataset(xs_test, ys_test), batch_size256, shuffleFalse)逻辑说明训练集 shuffleTrue 是为了让每个 batch 不集中在同一条时间段上帮助优化器更快收敛测试集必须 shuffleFalse因为后续可视化要按时间顺序把预测结果和真实值对齐。batch_size 64 在大多数单变量场景够用显存紧张就降到 32。3.2 模型搭建纯编码器加回归头的常见做法PyTorch 提供了 nn.TransformerEncoderLayer 和 nn.TransformerEncoder不需要自己手写多头注意力。模型定义如下import torch.nn as nn class TimeSeriesTransformer(nn.Module): def __init__(self, d_model64, nhead8, num_layers3, seq_len96, pred_len24, input_dim1): super().__init__() # 输入升维把原始维度映射到 d_model self.input_proj nn.Linear(input_dim, d_model) # 可学习位置编码形状随 seq_len 固定 self.pos_embedding nn.Parameter( torch.randn(1, seq_len, d_model) * 0.02 ) encoder_layer nn.TransformerEncoderLayer( d_modeld_model, nheadnhead, dim_feedforward256, dropout0.1, batch_firstTrue, activationrelu ) self.encoder nn.TransformerEncoder(encoder_layer, num_layersnum_layers) # 回归头先平均池化再映射到 pred_len self.head nn.Sequential( nn.Linear(d_model, 128), nn.ReLU(), nn.Linear(128, pred_len) ) def forward(self, x): # x 形状: (batch, seq_len, input_dim) x self.input_proj(x) # (batch, seq_len, d_model) x x self.pos_embedding # 位置编码直接加到输入上 x self.encoder(x) # (batch, seq_len, d_model) x x.mean(dim1) # 时间维平均池化 return self.head(x) # (batch, pred_len)逻辑说明forward 里几个关键点。input_proj 把单变量数值映射到 d_model 维向量相当于给每个时间步配一个可学习的特征表达位置编码用加法注入这是 Transformer 的标准做法encoder 之后对时间维做 mean pooling而不是把 seq_len 个向量全部展平——展平是把 96×64 拼成 6144 维再进全连接参数一下子上去了而且容易过拟合。mean pooling 保留全局信息的同时参数更可控。参数说明下面是这套结构的常用取值区间数据量小就取小值参数建议取值说明d_model64~128单变量取 64多变量或序列超长取 128nhead8必须能被 d_model 整除num_layers2~4超过 4 层在小数据集上几乎必过拟合dim_feedforward256~512一般是 d_model 的 4 倍dropout0.1~0.2数据量少于 1 万样本时取 0.2如果输入是多元特征比如温度、湿度、负荷三列把 input_dim 改成列数即可d_model 可以适当加大其余结构不用动。3.3 训练循环损失函数、学习率与梯度裁剪训练部分最常用的组合是 AdamW 优化器 MSE 损失 余弦退火学习率import torch from torch.optim import AdamW device torch.device(cuda if torch.cuda.is_available() else cpu) model TimeSeriesTransformer(seq_len96, pred_len24).to(device) optimizer AdamW(model.parameters(), lr1e-3, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50) criterion torch.nn.MSELoss() for epoch in range(50): model.train() total_loss 0.0 n_samples 0 for xb, yb in train_loader: xb, yb xb.to(device), yb.to(device) optimizer.zero_grad() pred model(xb) loss criterion(pred, yb) loss.backward() torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0) optimizer.step() total_loss loss.item() * xb.size(0) n_samples xb.size(0) scheduler.step() if (epoch 1) % 10 0: print(fepoch {epoch 1}, train MSE {total_loss / n_samples:.6f})逻辑说明clip_grad_norm_ 是 Transformer 训练里非常值得保留的一行——自注意力的梯度范数在训练初期容易暴涨不裁剪的话 loss 会突然跳到几百上千然后再也回不来。weight_decay1e-4 是轻量正则配合 dropout 一起压制过拟合。MSE 是长期预测最常用的损失但要注意它天然倾向预测平均值后面 5.4 会说这个坑。参数说明lr 从 1e-3 起步是单变量时序任务比较稳的取值如果 loss 震荡明显就降到 3e-4。T_max50 和 epoch 数一致让学习率在训练结束时退火到接近 0。验证时把同样的循环跑在 test_loader 上记录 val_loss用来画第 4 章的损失曲线。4. 可视化预测结果四类图判断模型是真预测还是瞎拟合标题里可视化结果四个字很多人以为就是最后画一张预测对比图其实不够。我的经验是要画四类图损失收敛曲线、多窗口预测对比、误差分布直方图、残差时序图。前两张判断整体是否靠谱后两张定位具体错在哪。这也是为什么 zip 包里可视化脚本值得单独拿出来审——它直接决定了你能不能快速判断模型有没有价值。4.1 损失曲线判断过拟合与欠拟合的第一张图import matplotlib.pyplot as plt plt.figure(figsize(10, 4)) plt.plot(train_losses, labeltrain, lw1.5) plt.plot(val_losses, labelvalid, lw1.5) plt.xlabel(epoch) plt.ylabel(MSE) plt.legend() plt.grid(alpha0.3) plt.show()逻辑说明train_losses 和 val_losses 是训练循环里每个 epoch 记录的两个数组。画在一起的目的是看两条曲线的间距和走向间距从一开始就很大说明模型容量超出数据量要减小 d_model 或加大 dropout间距在训练中段开始拉大说明过拟合正在发生可以提前停两条都在高位不走说明学习率太低或模型太浅。参数说明epoch 数 50 只是一个起点更多时候靠 early stopping 决定val_loss 连续 5 个 epoch 不降就停。这条曲线如果画出来是锯齿状的先查 batch_size 是不是太小再看学习率是否偏高。4.2 预测对比图单窗口与多窗口的呈现方式只看一个窗口的预测效果是长期预测最常见的视觉骗局——恰好选中的那个窗口可能刚好是模型表现最好的。我一般会从测试集里均匀抽 3 到 5 个窗口横向排列画出来model.eval() with torch.no_grad(): preds model(x_test_tensor).cpu().numpy() preds scaler.inverse_transform(preds.reshape(-1, 1)).reshape(-1, pred_len) true scaler.inverse_transform(y_test_np.reshape(-1, 1)).reshape(-1, pred_len) fig, axes plt.subplots(3, 1, figsize(12, 9)) for i, ax in enumerate(axes): idx i * len(preds) // 3 ax.plot(range(pred_len), true[idx], labelactual, lw1.8) ax.plot(range(pred_len), preds[idx], labelpred, lw1.8, ls--) ax.legend() ax.set_title(ftest window {idx}) plt.tight_layout() plt.show()逻辑说明注意 inverse_transform 这一步——模型输出的是归一化空间里的数值直接画出来没有物理意义。必须先 reshape 成 (N, 1) 再还原成原始量纲然后 reshape 回 (N, pred_len)。多窗口并排后你能肉眼看到三类问题某些窗口预测极其贴近某些窗口完全偏离说明模型对输入模式有偏好预测曲线比真实曲线整体右移或左移说明相位没学到预测在极值处明显被削平说明损失函数在求平均。参数说明窗口抽取用 idx i * len(preds) // 3 是均匀采样避免只抽前几个。pred_len 步的横轴直接用 range(pred_len)因为这是未来步数不是绝对时间。4.3 残差与误差分布定位被平均化的预测误差直方图和残差时序图是排查问题的两个放大镜errors preds - true fig, axes plt.subplots(1, 2, figsize(12, 4)) axes[0].hist(errors.flatten(), bins50, colorsteelblue, edgecolorwhite) axes[0].set_title(error distribution) axes[0].set_xlabel(error (original scale)) axes[1].plot(errors[:200].flatten(), lw1) axes[1].set_title(residual sequence (first 200 steps)) axes[1].set_xlabel(step) plt.show() np.savez(prediction.npz, predspreds, truetrue, errorserrors)逻辑说明误差分布如果近似零均值的正态钟形说明模型预测比较健康误差以随机噪声为主。如果分布明显偏离零、或者有一个长尾说明模型存在系统性偏差——比如总是低估峰值。残差序列如果还有明显的周期性起伏说明模型没把周期成分学进去这时候回去查 seq_len 是否覆盖了至少一个完整周期以及位置编码是否生效。np.savez 把预测结果存下来方便后面和基线模型做对比不用重新跑一遍训练。参数说明residual sequence 画前 200 步只是为了肉眼可读画全部样本的话周期性会挤在一起看不出来。如果需要做可视化大屏或者给业务方看把 npz 里的数组导出成 JSON交给 ECharts 这类前端图表库画交互图python 后端只负责出数据这是数据可视化实践里常见的分工。5. 长期预测避坑指南五个高频翻车现场与排查路径下面五条是从无数次跑长期预测的血泪经验里筛出来的每一条都对应一个看起来模型训练成功、一细看结果不能用的场景。逐个说现象、原因和解决方式。5.1 训练损失降了验证损失却一路走高现象训练集 MSE 一路降到 0.01 以下验证集 MSE 停在 0.1 上下不降甚至回升预测曲线在验证集上一团糟。原因过拟合。Transformer 的参数量在时序模型里算大的d_model64、num_layers3 就有几十万参数而单变量时间序列的样本量往往只有几千到几万。模型把训练样本的噪声也背下来了验证集上自然失效。解决先加 dropout 到 0.2再把 num_layers 减到 2d_model 减到 32 试一轮同时给训练样本做轻量噪声扰动在输入上加标准差 0.01 的高斯噪声能明显提升泛化。如果还不行检查训练集和验证集的切分是否有重叠——滑窗步长取 1 时相邻样本只差一个时间点训练集末尾和验证集开头很容易互相渗透。把验证集切在最后 20% 连续区间且切窗时跳过边界。5.2 预测曲线比真实曲线慢半拍现象预测曲线形状和真实曲线几乎一样但整体向右平移了一个或几个时间步像回声一样滞后。单步预测时特别明显多步预测时前半段像、后半段飘。原因模型学到的不是预测而是抄最近值。MSE 损失下当序列自相关很强时把输出设为最后一个输入值就能拿到很低的损失——这比真正捕捉周期和趋势省力得多。单步预测的滞后最典型因为前一步本身就是最强特征多步预测里误差逐步放大滞后就变成了飘。解决第一步先跑一个朴素基线把每个窗口最后一个值复制 pred_len 份算它的 MAE 和 MSE。如果 Transformer 连这个基线都压不过说明模型没有学到任何预测性信息。然后检查数据是否平稳有趋势时先做一阶差分把趋势去掉再训练同时把 seq_len 加长到至少覆盖两个完整周期给模型提供足够的周期上下文。最后可以在损失里叠加一个惩罚项比如对预测的一阶差分和真实的一阶差分做 MSE逼模型学变化率而不是抄绝对值。5.3 测试集指标好得离谱归一化泄漏现象训练完一测测试集 MAE 比训练集还低预测曲线和真实曲线几乎完全重合但换到新数据上立刻拉胯。原因归一化泄漏。最常见的写法错误是 values scaler.fit_transform(values) 写在切分之前让 StandardScaler 用全量数据的均值和方差去归一化。测试段的统计信息通过均值和方差进到了模型输入里测试阶段等于开卷考试。解决严格按第 3 章的代码顺序先切分 train_values 和 test_valuesscaler.fit 只用 train_valuestransform 分别作用于两段。检查代码里有没有在切分前调用过 fit_transform有就改掉。另外重复实验时要重新 fit不能复用上一次实验的 scaler——不同数据集分布不同。这是一个查起来很隐蔽的坑排查时先把归一化代码从头看一遍。5.4 长期预测输出变成一条平均线现象pred_len 越大越明显——预测曲线在初始几步还跟着真实曲线后面逐步被拉平最终变成一条接近序列均值的直线。误差分布则表现为中间聚集、两头稀疏。原因MSE 对条件期望的天然偏好。MSE 的最优解是预测条件均值当预测长度变长、未来不确定性增大时模型发现预测均值在期望损失上最安全于是放弃预测波动。这是长期预测的普遍问题任何用 MSE 训练的模型都会出现不是 Transformer 独有的。解决三板斧。第一把损失换成 MAE 或 Huber Loss对离群点没那么敏感曲线不会那么快被拉平第二改用分位数损失预测多个分位点而不是只预测均值第三检查训练数据里是否包含周期性强且稳定的成分——如果序列本身在后半段就是随机游走那被拉平是数据在教模型不要乱猜。另外可视化的判断标准要调整对比真实曲线的波动幅度和预测曲线的波动幅度如果后者小于前者的 30%大概率就是平均化问题。5.5 周期性丢了位置编码尺寸不匹配现象预测曲线整体趋势是对的但周期性的起伏消失了画出来像一条去掉高频后的平滑曲线。更隐蔽的是训练时一切正常推理时突然维度对不上。原因可学习位置编码的尺寸在模型初始化时和 seq_len 绑定如果训练时 seq_len96推理时把输入换成了 120pos_embedding 的形状直接不匹配报错还算好的——如果不报错只是静默错位模型输出就是乱序信息叠加。另外把位置编码初始化得太大比如 randn 不做缩放会盖过 input_proj 的语义信息训练初期梯度方向就被位置噪声主导周期特征学不进去。解决固定窗口场景里坚持用可学习编码时训练和推理的 seq_len 必须严格一致模型里写死就是图省事要做变长输入就换成正弦位置编码它天然支持任意长度。初始化改成 torch.randn(1, seq_len, d_model) * 0.02把初始幅度压小让语义信息在训练早期占主导。排查手法是把位置编码矩阵打印出来看一眼如果数值明显比输入投影的输出大一个量级基本就是这里的问题。6. 进阶用三个验证步骤确认模型值得上生产模型在正弦数据上跑通、真实数据上也能画图了离能投入还有一道坎。我现在的验收习惯是三步走手里没有这三张表就不敢说模型有效。第一步是换时间窗盲测。把数据集最后一段 20% 连续数据整个留出来训练过程中一次都不碰最后才拿来做一次预测。这里有个容易被忽视的细节盲测段不能和训练段共享任何滑窗样本。切窗时如果步长是 1训练段最后 96 个点的滑窗会和盲测段重叠相当于训练时已经见过部分答案。做法是切窗时在训练段末尾预留 seq_len 长度的空白区。第二步是和基线对比。只报 Transformer 的指标没有意义我一般会同时跑两个基线Naive复制窗口最后一个值和线性回归用窗口最后 24 个值做特征预测。算 MAE、RMSE、MAPE 三件套from sklearn.metrics import mean_absolute_error, mean_squared_error def evaluate(true_flat, pred_flat, name): mae mean_absolute_error(true_flat, pred_flat) rmse mean_squared_error(true_flat, pred_flat, squaredFalse) mape np.mean(np.abs((true_flat - pred_flat) / (true_flat 1e-6))) * 100 print(f{name}: MAE{mae:.3f}, RMSE{rmse:.3f}, MAPE{mape:.2f}%) return mae naive_flat np.tile(true[:, :1], (1, pred_len)).flatten() evaluate(true.flatten(), preds.flatten(), Transformer) evaluate(true.flatten(), naive_flat, Naive)逻辑说明evaluate 里加 1e-6 是防止真实值里有零导致除零。MAPE 在真实值接近零的序列上会爆炸该换 SMAPE 或 MASE 的场合要记得换。比较时看的不只是 Transformer 是否最低还要看它超出 Naive 多少——超出 10% 以内说明模型学到的大头是最近值惯性投产价值有限。第三步是滚动稳定性验证。单测一段窗口会看走眼常见做法是从盲测段里每隔 pred_len 步取一个测试窗口连续预测 5 到 10 段统计误差的中位数和 90 分位。中位数低说明整体可靠90 分位高说明极端窗口会翻车对业务调度来说后者更致命。这一步不需要新代码复用 4.2 的多窗口预测再套一个 np.percentile 就行。说句实在话长期预测的指标漂亮和业务能用之间还隔着一层很厚的玄学。我现在的习惯是任何模型跑完第一件事不是看指标而是把预测曲线和真实曲线叠在一起肉眼扫一遍看拐点、看相位、看峰值有没有被削平——这习惯帮我拦下了好几次指标好看但业务根本不敢用的翻车现场。结构调整得再合理最终也要靠这些图来拍板。希望帮到你。本文还有配套的精品资源点击获取 
简介这是一套基于Transformer实现长期预测并可视化结果的Python代码包面向自然语言处理与时间序列预测方向的学习者。资源基于《Attention is All You Need》设计编码器-解码器结构融入自注意力、多头注意力、位置编码、残差连接与层归一化等核心组件并针对ETTh1电力数据集完成长期预测实验输出真实值对比预测结果的可视化图表。全部39个文件压缩后约26.49MB主体为13个Python源码模型搭建、数据加载、训练评估、10个pyc缓存、6个XML配置、3个CSV数据、2个TXT说明另有模型权重pth、结果预览PNG及工程环境文件目录按模型、数据、工具、结果分层组织配合main.py可一键启动从读取、训练到出图的流程便于定位和二次开发。代码还包含数据加载、掩码、指标计算等工具模块有助于复现和理解内部机制。目前已有275人学习下载。通过这份代码读者能完整走过预处理、建模、训练验证与可视化的全流程理解Transformer在非NLP序列预测任务上的适配思路借鉴Projection、Invertible、Decomposition等设计提升预测精度并扩展自己的预测项目是进阶序列建模实战的理想起点。1. 长期预测为什么要押注Transformer一个zip包背后要解决的问题把Transformer用在长期预测上这几年几乎成了时序建模的默认起手式。标题里这个zip包本质是把三件事打包一套能处理长序列的Transformer架构、一份把历史数据切成训练样本的滑窗逻辑、一组能把预测结果画出来供你判断的可视化脚本。它解决的核心痛点是——传统RNN在预测长度超过几十步时早期信息基本被冲散而Transformer的自注意力让序列里任意两个位置都能直接交互远程依赖不再依赖记忆接力。适合的人群很明确要做电力负荷、气象、流量这类多步预测的从业者手里有Python环境想先拿一份能跑通、能出图的代码建立基准线而不是从零啃论文。2. transformer架构拆解自注意力、位置编码与预测头的三个设计决策网上讲 transformer模型详解 的文章一抓一大把但多数是拿 NLP 的翻译任务当例子。把它挪到长期预测你会发现真正决定模型死活的关键只剩三处自注意力怎么覆盖长程依赖、位置编码怎么把时间顺序告诉模型、预测头怎么把编码结果变成未来若干步的数值。这三处想透了剩下就是调参撞墙。2.1 自注意力为什么能看住长序列QKV 与全局感受野自注意力的核心就一个点序列里任意两个时间步可以直接计算关联不需要经过中间步接力。公式是 Attention(Q,K,V)softmax(QK^T/√d_k)V其中 Q 是查询、K 是键、V 是值三者都由输入线性变换得到。对于长度为 L 的输入Q 和 K 的点积矩阵是 L×L每个位置都能看到所有位置感受野是全局的。对比一下就很直观LSTM 处理第 t 步时只能依赖记忆单元里接力过来的信息第 t 步的信息要传到第 t50 步中间要经过 50 次门控衰减有效信息基本损耗殆尽——这是它在长序列预测上表现平庸的根源。Transformer 里第 t 步和第 t50 步的交互路径长度是 1无论序列多长都没有远距离信息丢失这个说法。放到长期预测场景这意味着如果电力负荷序列存在 12 小时前的强相关Transformer 可以直接把 12 小时前那个位置的特征提取出来用于预测明天此刻的值LSTM 则大概率已经把这条线索磨没了。这就是为什么长期预测场景几乎都在往 Transformer 架构上迁移。当然全局注意力也不是没有代价——L×L 的点积矩阵输入长度 512 时是 26 万个元素显存压力不小所以超过这个规模就该考虑 Informer 这类稀疏注意力变体。提示位置编码的维度必须和 d_model 一致加法注入时两者形状要完全对齐否则模型静默错乱比直接报错更难查。2.2 位置编码不是可选项时间顺序信息从哪来自注意力有个反直觉的特性它对输入顺序不敏感。把序列 [t1, t2, t3] 打乱成 [t3, t1, t2]注意力计算结果完全一样——因为 QK 点积只跟内容有关不跟位置有关。可时间序列最本质的信息就是先后顺序所以位置编码不是锦上添花而是必需品。常见的两种做法一是正弦位置编码用 sin 和 cos 的交替函数生成每个位置的编码向量好处是序列长度变化时编码依然有效且位置之间的距离可以通过向量的线性关系表达二是可学习位置编码把位置编码当成可训练参数参与反向传播代码里就是 nn.Parameter(torch.randn(1, seq_len, d_model))。我一般先在固定窗口长度的场景里用可学习的跑通之后如果发现预测有周期性丢失再换回正弦编码对比。注意一个坑如果用了可学习编码训练时窗口多长推理时也必须同样长度窗口长度变了它要么直接报错要么静默错乱。这属于验证阶段最容易翻车、又最容易被忽略的点第 5 章我专门展开讲。2.3 预测头怎么选一次性直接预测还是迭代自回归编码器把输入序列编码完之后怎么变成未来 pred_len 步的输出决定了整个模型的误差特性。三种常见做法放在一张表里预测方式误差累积训练成本适用场景纯编码器 线性回归头无各步独立出值最低固定预测长度推荐首跑自回归迭代把上一步输出当输入有随步数放大中需要 teacher forcing滚动预测长度实时变化编码器-解码器结构有高训练慢对标原版 Transformer数据量极大时考虑我的习惯是首跑一律用纯编码器加线性头输入窗口 seq_len 步输出直接是 pred_len 个值。它的逻辑是让每个输出步都从全局编码里取信息不依赖上一步预测对了没有所以不会有误差累积。自回归迭代虽然长度灵活但第 10 步的误差是前 9 步误差的叠加长程上曲线经常飘走调试起来很痛苦。至于编码器-解码器除非你是拿原版 Transformer 做基线对比否则在多数工业数据上投入产出比很低。3. 用PyTorch落地最小可运行Transformer预测模型数据、模型、训练三连这一章对应 zip 包里最核心的三块脚本。拿到代码包先别急着跑先确认三样东西在不在数据预处理、模型定义、训练入口。缺哪块补哪块。我建议的顺序是先在正弦数据上跑通——transformer预测正弦数据是成本最低的最小验证靶场能复现出相位和幅值了再换真实负荷数据。3.1 数据准备滑窗切样本与归一化的正确顺序第一步是把历史序列切成 (输入, 输出) 样本对专业说法叫滑动窗口。窗口长度是 seq_len预测长度是 pred_len。下面这段是单变量序列的常见写法import numpy as np import pandas as pd from sklearn.preprocessing import StandardScaler # 读数据一列时间、一列数值多变量就把数值列叠起来 df pd.read_csv(load.csv, parse_dates[time]) values df[load].values.reshape(-1, 1) # 归一化先切分再 fit 训练段测试段只做 transform train_len int(len(values) * 0.8) scaler StandardScaler() train_values scaler.fit_transform(values[:train_len]) test_values scaler.transform(values[train_len:])逻辑说明代码里最关键的是归一化的顺序。一定要先把训练段切出来用训练段的均值和方差做 fit测试段用同一组参数只做 transform。如果先对全量数据 fit测试段的信息就通过均值和方差泄进来了验证结果会虚高后面第 5 章细说。参数说明train_len 取 80% 是常见留出比例更严格的做法是用最近的一段连续时间做测试因为时间序列不能随机抽样切分否则相邻样本会互相泄漏。注意归一化的 fit_transform 和切分的先后顺序直接决定测试集有没有泄漏。先切分再 fit。接着用滑窗函数切样本def create_sequences(data, seq_len96, pred_len24): xs, ys [], [] for i in range(len(data) - seq_len - pred_len 1): xs.append(data[i : i seq_len]) ys.append(data[i seq_len : i seq_len pred_len]) return np.asarray(xs, dtypenp.float32), np.asarray(ys, dtypenp.float32) xs_train, ys_train create_sequences(train_values, 96, 24) xs_test, ys_test create_sequences(test_values, 96, 24)逻辑说明create_sequences 里每个样本的输入是 [i, iseq_len) 这一段输出是紧接着的 [iseq_len, iseq_lenpred_len) 这一段两者在时间上严格连续没有重叠。这个连续性是硬要求一旦中间跳过几步模型学到的就是断裂的映射。参数说明seq_len 和 pred_len 的取值跟数据采样周期强相关。小时级电力数据seq_len 取 964 天到 168一周比较常见pred_len 取 24 或 48分钟级数据输入可以放宽到 512 以内。如果切窗时步长取 1相邻样本高度重叠训练会慢取 pred_len 则样本减少但更贴近真实滚动预测的节奏。最后包装成 PyTorch 的 DataLoaderfrom torch.utils.data import Dataset, DataLoader import torch class TimeSeriesDataset(Dataset): def __init__(self, xs, ys): self.xs torch.tensor(xs) self.ys torch.tensor(ys) def __len__(self): return len(self.xs) def __getitem__(self, idx): return self.xs[idx], self.ys[idx] train_loader DataLoader(TimeSeriesDataset(xs_train, ys_train), batch_size64, shuffleTrue) test_loader DataLoader(TimeSeriesDataset(xs_test, ys_test), batch_size256, shuffleFalse)逻辑说明训练集 shuffleTrue 是为了让每个 batch 不集中在同一条时间段上帮助优化器更快收敛测试集必须 shuffleFalse因为后续可视化要按时间顺序把预测结果和真实值对齐。batch_size 64 在大多数单变量场景够用显存紧张就降到 32。3.2 模型搭建纯编码器加回归头的常见做法PyTorch 提供了 nn.TransformerEncoderLayer 和 nn.TransformerEncoder不需要自己手写多头注意力。模型定义如下import torch.nn as nn class TimeSeriesTransformer(nn.Module): def __init__(self, d_model64, nhead8, num_layers3, seq_len96, pred_len24, input_dim1): super().__init__() # 输入升维把原始维度映射到 d_model self.input_proj nn.Linear(input_dim, d_model) # 可学习位置编码形状随 seq_len 固定 self.pos_embedding nn.Parameter( torch.randn(1, seq_len, d_model) * 0.02 ) encoder_layer nn.TransformerEncoderLayer( d_modeld_model, nheadnhead, dim_feedforward256, dropout0.1, batch_firstTrue, activationrelu ) self.encoder nn.TransformerEncoder(encoder_layer, num_layersnum_layers) # 回归头先平均池化再映射到 pred_len self.head nn.Sequential( nn.Linear(d_model, 128), nn.ReLU(), nn.Linear(128, pred_len) ) def forward(self, x): # x 形状: (batch, seq_len, input_dim) x self.input_proj(x) # (batch, seq_len, d_model) x x self.pos_embedding # 位置编码直接加到输入上 x self.encoder(x) # (batch, seq_len, d_model) x x.mean(dim1) # 时间维平均池化 return self.head(x) # (batch, pred_len)逻辑说明forward 里几个关键点。input_proj 把单变量数值映射到 d_model 维向量相当于给每个时间步配一个可学习的特征表达位置编码用加法注入这是 Transformer 的标准做法encoder 之后对时间维做 mean pooling而不是把 seq_len 个向量全部展平——展平是把 96×64 拼成 6144 维再进全连接参数一下子上去了而且容易过拟合。mean pooling 保留全局信息的同时参数更可控。参数说明下面是这套结构的常用取值区间数据量小就取小值参数建议取值说明d_model64~128单变量取 64多变量或序列超长取 128nhead8必须能被 d_model 整除num_layers2~4超过 4 层在小数据集上几乎必过拟合dim_feedforward256~512一般是 d_model 的 4 倍dropout0.1~0.2数据量少于 1 万样本时取 0.2如果输入是多元特征比如温度、湿度、负荷三列把 input_dim 改成列数即可d_model 可以适当加大其余结构不用动。3.3 训练循环损失函数、学习率与梯度裁剪训练部分最常用的组合是 AdamW 优化器 MSE 损失 余弦退火学习率import torch from torch.optim import AdamW device torch.device(cuda if torch.cuda.is_available() else cpu) model TimeSeriesTransformer(seq_len96, pred_len24).to(device) optimizer AdamW(model.parameters(), lr1e-3, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50) criterion torch.nn.MSELoss() for epoch in range(50): model.train() total_loss 0.0 n_samples 0 for xb, yb in train_loader: xb, yb xb.to(device), yb.to(device) optimizer.zero_grad() pred model(xb) loss criterion(pred, yb) loss.backward() torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0) optimizer.step() total_loss loss.item() * xb.size(0) n_samples xb.size(0) scheduler.step() if (epoch 1) % 10 0: print(fepoch {epoch 1}, train MSE {total_loss / n_samples:.6f})逻辑说明clip_grad_norm_ 是 Transformer 训练里非常值得保留的一行——自注意力的梯度范数在训练初期容易暴涨不裁剪的话 loss 会突然跳到几百上千然后再也回不来。weight_decay1e-4 是轻量正则配合 dropout 一起压制过拟合。MSE 是长期预测最常用的损失但要注意它天然倾向预测平均值后面 5.4 会说这个坑。参数说明lr 从 1e-3 起步是单变量时序任务比较稳的取值如果 loss 震荡明显就降到 3e-4。T_max50 和 epoch 数一致让学习率在训练结束时退火到接近 0。验证时把同样的循环跑在 test_loader 上记录 val_loss用来画第 4 章的损失曲线。4. 可视化预测结果四类图判断模型是真预测还是瞎拟合标题里可视化结果四个字很多人以为就是最后画一张预测对比图其实不够。我的经验是要画四类图损失收敛曲线、多窗口预测对比、误差分布直方图、残差时序图。前两张判断整体是否靠谱后两张定位具体错在哪。这也是为什么 zip 包里可视化脚本值得单独拿出来审——它直接决定了你能不能快速判断模型有没有价值。4.1 损失曲线判断过拟合与欠拟合的第一张图import matplotlib.pyplot as plt plt.figure(figsize(10, 4)) plt.plot(train_losses, labeltrain, lw1.5) plt.plot(val_losses, labelvalid, lw1.5) plt.xlabel(epoch) plt.ylabel(MSE) plt.legend() plt.grid(alpha0.3) plt.show()逻辑说明train_losses 和 val_losses 是训练循环里每个 epoch 记录的两个数组。画在一起的目的是看两条曲线的间距和走向间距从一开始就很大说明模型容量超出数据量要减小 d_model 或加大 dropout间距在训练中段开始拉大说明过拟合正在发生可以提前停两条都在高位不走说明学习率太低或模型太浅。参数说明epoch 数 50 只是一个起点更多时候靠 early stopping 决定val_loss 连续 5 个 epoch 不降就停。这条曲线如果画出来是锯齿状的先查 batch_size 是不是太小再看学习率是否偏高。4.2 预测对比图单窗口与多窗口的呈现方式只看一个窗口的预测效果是长期预测最常见的视觉骗局——恰好选中的那个窗口可能刚好是模型表现最好的。我一般会从测试集里均匀抽 3 到 5 个窗口横向排列画出来model.eval() with torch.no_grad(): preds model(x_test_tensor).cpu().numpy() preds scaler.inverse_transform(preds.reshape(-1, 1)).reshape(-1, pred_len) true scaler.inverse_transform(y_test_np.reshape(-1, 1)).reshape(-1, pred_len) fig, axes plt.subplots(3, 1, figsize(12, 9)) for i, ax in enumerate(axes): idx i * len(preds) // 3 ax.plot(range(pred_len), true[idx], labelactual, lw1.8) ax.plot(range(pred_len), preds[idx], labelpred, lw1.8, ls--) ax.legend() ax.set_title(ftest window {idx}) plt.tight_layout() plt.show()逻辑说明注意 inverse_transform 这一步——模型输出的是归一化空间里的数值直接画出来没有物理意义。必须先 reshape 成 (N, 1) 再还原成原始量纲然后 reshape 回 (N, pred_len)。多窗口并排后你能肉眼看到三类问题某些窗口预测极其贴近某些窗口完全偏离说明模型对输入模式有偏好预测曲线比真实曲线整体右移或左移说明相位没学到预测在极值处明显被削平说明损失函数在求平均。参数说明窗口抽取用 idx i * len(preds) // 3 是均匀采样避免只抽前几个。pred_len 步的横轴直接用 range(pred_len)因为这是未来步数不是绝对时间。4.3 残差与误差分布定位被平均化的预测误差直方图和残差时序图是排查问题的两个放大镜errors preds - true fig, axes plt.subplots(1, 2, figsize(12, 4)) axes[0].hist(errors.flatten(), bins50, colorsteelblue, edgecolorwhite) axes[0].set_title(error distribution) axes[0].set_xlabel(error (original scale)) axes[1].plot(errors[:200].flatten(), lw1) axes[1].set_title(residual sequence (first 200 steps)) axes[1].set_xlabel(step) plt.show() np.savez(prediction.npz, predspreds, truetrue, errorserrors)逻辑说明误差分布如果近似零均值的正态钟形说明模型预测比较健康误差以随机噪声为主。如果分布明显偏离零、或者有一个长尾说明模型存在系统性偏差——比如总是低估峰值。残差序列如果还有明显的周期性起伏说明模型没把周期成分学进去这时候回去查 seq_len 是否覆盖了至少一个完整周期以及位置编码是否生效。np.savez 把预测结果存下来方便后面和基线模型做对比不用重新跑一遍训练。参数说明residual sequence 画前 200 步只是为了肉眼可读画全部样本的话周期性会挤在一起看不出来。如果需要做可视化大屏或者给业务方看把 npz 里的数组导出成 JSON交给 ECharts 这类前端图表库画交互图python 后端只负责出数据这是数据可视化实践里常见的分工。5. 长期预测避坑指南五个高频翻车现场与排查路径下面五条是从无数次跑长期预测的血泪经验里筛出来的每一条都对应一个看起来模型训练成功、一细看结果不能用的场景。逐个说现象、原因和解决方式。5.1 训练损失降了验证损失却一路走高现象训练集 MSE 一路降到 0.01 以下验证集 MSE 停在 0.1 上下不降甚至回升预测曲线在验证集上一团糟。原因过拟合。Transformer 的参数量在时序模型里算大的d_model64、num_layers3 就有几十万参数而单变量时间序列的样本量往往只有几千到几万。模型把训练样本的噪声也背下来了验证集上自然失效。解决先加 dropout 到 0.2再把 num_layers 减到 2d_model 减到 32 试一轮同时给训练样本做轻量噪声扰动在输入上加标准差 0.01 的高斯噪声能明显提升泛化。如果还不行检查训练集和验证集的切分是否有重叠——滑窗步长取 1 时相邻样本只差一个时间点训练集末尾和验证集开头很容易互相渗透。把验证集切在最后 20% 连续区间且切窗时跳过边界。5.2 预测曲线比真实曲线慢半拍现象预测曲线形状和真实曲线几乎一样但整体向右平移了一个或几个时间步像回声一样滞后。单步预测时特别明显多步预测时前半段像、后半段飘。原因模型学到的不是预测而是抄最近值。MSE 损失下当序列自相关很强时把输出设为最后一个输入值就能拿到很低的损失——这比真正捕捉周期和趋势省力得多。单步预测的滞后最典型因为前一步本身就是最强特征多步预测里误差逐步放大滞后就变成了飘。解决第一步先跑一个朴素基线把每个窗口最后一个值复制 pred_len 份算它的 MAE 和 MSE。如果 Transformer 连这个基线都压不过说明模型没有学到任何预测性信息。然后检查数据是否平稳有趋势时先做一阶差分把趋势去掉再训练同时把 seq_len 加长到至少覆盖两个完整周期给模型提供足够的周期上下文。最后可以在损失里叠加一个惩罚项比如对预测的一阶差分和真实的一阶差分做 MSE逼模型学变化率而不是抄绝对值。5.3 测试集指标好得离谱归一化泄漏现象训练完一测测试集 MAE 比训练集还低预测曲线和真实曲线几乎完全重合但换到新数据上立刻拉胯。原因归一化泄漏。最常见的写法错误是 values scaler.fit_transform(values) 写在切分之前让 StandardScaler 用全量数据的均值和方差去归一化。测试段的统计信息通过均值和方差进到了模型输入里测试阶段等于开卷考试。解决严格按第 3 章的代码顺序先切分 train_values 和 test_valuesscaler.fit 只用 train_valuestransform 分别作用于两段。检查代码里有没有在切分前调用过 fit_transform有就改掉。另外重复实验时要重新 fit不能复用上一次实验的 scaler——不同数据集分布不同。这是一个查起来很隐蔽的坑排查时先把归一化代码从头看一遍。5.4 长期预测输出变成一条平均线现象pred_len 越大越明显——预测曲线在初始几步还跟着真实曲线后面逐步被拉平最终变成一条接近序列均值的直线。误差分布则表现为中间聚集、两头稀疏。原因MSE 对条件期望的天然偏好。MSE 的最优解是预测条件均值当预测长度变长、未来不确定性增大时模型发现预测均值在期望损失上最安全于是放弃预测波动。这是长期预测的普遍问题任何用 MSE 训练的模型都会出现不是 Transformer 独有的。解决三板斧。第一把损失换成 MAE 或 Huber Loss对离群点没那么敏感曲线不会那么快被拉平第二改用分位数损失预测多个分位点而不是只预测均值第三检查训练数据里是否包含周期性强且稳定的成分——如果序列本身在后半段就是随机游走那被拉平是数据在教模型不要乱猜。另外可视化的判断标准要调整对比真实曲线的波动幅度和预测曲线的波动幅度如果后者小于前者的 30%大概率就是平均化问题。5.5 周期性丢了位置编码尺寸不匹配现象预测曲线整体趋势是对的但周期性的起伏消失了画出来像一条去掉高频后的平滑曲线。更隐蔽的是训练时一切正常推理时突然维度对不上。原因可学习位置编码的尺寸在模型初始化时和 seq_len 绑定如果训练时 seq_len96推理时把输入换成了 120pos_embedding 的形状直接不匹配报错还算好的——如果不报错只是静默错位模型输出就是乱序信息叠加。另外把位置编码初始化得太大比如 randn 不做缩放会盖过 input_proj 的语义信息训练初期梯度方向就被位置噪声主导周期特征学不进去。解决固定窗口场景里坚持用可学习编码时训练和推理的 seq_len 必须严格一致模型里写死就是图省事要做变长输入就换成正弦位置编码它天然支持任意长度。初始化改成 torch.randn(1, seq_len, d_model) * 0.02把初始幅度压小让语义信息在训练早期占主导。排查手法是把位置编码矩阵打印出来看一眼如果数值明显比输入投影的输出大一个量级基本就是这里的问题。6. 进阶用三个验证步骤确认模型值得上生产模型在正弦数据上跑通、真实数据上也能画图了离能投入还有一道坎。我现在的验收习惯是三步走手里没有这三张表就不敢说模型有效。第一步是换时间窗盲测。把数据集最后一段 20% 连续数据整个留出来训练过程中一次都不碰最后才拿来做一次预测。这里有个容易被忽视的细节盲测段不能和训练段共享任何滑窗样本。切窗时如果步长是 1训练段最后 96 个点的滑窗会和盲测段重叠相当于训练时已经见过部分答案。做法是切窗时在训练段末尾预留 seq_len 长度的空白区。第二步是和基线对比。只报 Transformer 的指标没有意义我一般会同时跑两个基线Naive复制窗口最后一个值和线性回归用窗口最后 24 个值做特征预测。算 MAE、RMSE、MAPE 三件套from sklearn.metrics import mean_absolute_error, mean_squared_error def evaluate(true_flat, pred_flat, name): mae mean_absolute_error(true_flat, pred_flat) rmse mean_squared_error(true_flat, pred_flat, squaredFalse) mape np.mean(np.abs((true_flat - pred_flat) / (true_flat 1e-6))) * 100 print(f{name}: MAE{mae:.3f}, RMSE{rmse:.3f}, MAPE{mape:.2f}%) return mae naive_flat np.tile(true[:, :1], (1, pred_len)).flatten() evaluate(true.flatten(), preds.flatten(), Transformer) evaluate(true.flatten(), naive_flat, Naive)逻辑说明evaluate 里加 1e-6 是防止真实值里有零导致除零。MAPE 在真实值接近零的序列上会爆炸该换 SMAPE 或 MASE 的场合要记得换。比较时看的不只是 Transformer 是否最低还要看它超出 Naive 多少——超出 10% 以内说明模型学到的大头是最近值惯性投产价值有限。第三步是滚动稳定性验证。单测一段窗口会看走眼常见做法是从盲测段里每隔 pred_len 步取一个测试窗口连续预测 5 到 10 段统计误差的中位数和 90 分位。中位数低说明整体可靠90 分位高说明极端窗口会翻车对业务调度来说后者更致命。这一步不需要新代码复用 4.2 的多窗口预测再套一个 np.percentile 就行。说句实在话长期预测的指标漂亮和业务能用之间还隔着一层很厚的玄学。我现在的习惯是任何模型跑完第一件事不是看指标而是把预测曲线和真实曲线叠在一起肉眼扫一遍看拐点、看相位、看峰值有没有被削平——这习惯帮我拦下了好几次指标好看但业务根本不敢用的翻车现场。结构调整得再合理最终也要靠这些图来拍板。希望帮到你。本文还有配套的精品资源点击获取