简介这份资源面向计算机、电子信息工程、数学等专业的大学生及算法入门者提供SARIMA-LSTM组合模型的完整时间序列预测实现方案可用于课程设计、期末大作业或毕业设计。模型将季节性差分自回归移动平均与长短期记忆神经网络结合兼顾线性趋势与非线性残差建模适合电力负荷、气象、交通流量等带季节性的序列预测场景。压缩包共3个文件包含2个CSV数据集与1个Python源码文件整体约51KB数据文件用于训练与验证源码文件承载建模全流程。代码采用参数化编程参数修改方便编程思路清晰并配有保姆级注释几乎一行一注释便于新手理解每一步数据处理与网络搭建逻辑。目前已有742人学习下载作者为资深算法工程师具备多年Matlab与Python仿真经验读者可据此快速复现实验、理解组合模型原理并迁移到自己的课题中。1. 拿到 SARIMA-LSTM 这套源码先搞清楚它到底在解决什么问题时间序列预测里有个很常见的尴尬纯 SARIMA 能把季节性和趋势刻画得很干净但遇到非线性拐点就发懵纯 LSTM 能拟合复杂非线性关系可对周期性、趋势项又容易学偏尤其在样本量不大时波动明显。这套 Python 实现的 SARIMA-LSTM 组合模型思路就是让 SARIMA 先吃掉线性部分再把残差交给 LSTM 去啃非线性残差最后把两段预测叠加。压缩包里给了SARIMA-LSTM.py主脚本、焦作.csv和焦作全.csv两份数据仿真环境是 anaconda pycharm python Tensorflow注释几乎一行一条适合做课程设计、期末大作业或者毕业设计的同学直接跑通再改参数。下面按「是什么 → 怎么跑 → 坑在哪 → 怎么调」的顺序拆一遍。2. SARIMA 与 LSTM 的分工为什么不是简单串起来2.1 残差建模才是组合的核心逻辑很多人第一次听到 SARIMA-LSTM会以为是「先 SARIMA 预测一遍再拿预测值喂给 LSTM 再预测一遍」这是错的。正确的组合方式是残差建模SARIMA 先对原始序列拟合得到拟合值 $\hat{y}{linear}$ 和残差 $e_t y_t - \hat{y}{linear}$。残差里剩下的就是 SARIMA 没抓住的非线性结构把这部分交给 LSTM 去学LSTM 输出 $\hat{e}_t$最终预测 $\hat{y}t \hat{y}{linear} \hat{e}_t$。这样分工的好处是SARIMA 负责趋势和季节性这些有明确统计结构的部分LSTM 不用再去重复学这些只需要专注非线性残差训练难度下降过拟合风险也小。如果直接把原始序列丢给 LSTM它要同时学趋势、季节性和非线性在小样本上很容易翻车。2.2 SARIMA 阶数怎么定从 ADF 到 AIC 的选型路径SARIMA 的参数是 $(p,d,q)\times(P,D,Q)_s$其中 $s$ 是季节周期。定阶的常见做法是先做 ADF 检验判断平稳性不平稳就差分确定 $d$看 ACF/PACF 图初判 $p$、$q$对季节项看季节差分后的 ACF/PACF 定 $P$、$Q$季节差分次数定 $D$用 AIC/BIC 在候选阶数里挑最优。代码里这部分通常用statsmodels的SARIMAX实现。参数化编程的好处就在这里阶数写在脚本开头的配置区改完直接重跑不用翻遍全文找。# SARIMA 定阶与拟合示意实际以源码配置区为准 import pandas as pd import statsmodels.api as sm # 读取数据指定时间列和值列 df pd.read_csv(焦作.csv, parse_dates[date], index_coldate) series df[value].asfreq(D) # 按天对齐缺失值需先处理 # 季节周期 s7 表示周周期按数据实际频率调整 order (1, 1, 1) # 非季节 (p, d, q) seasonal_order (1, 1, 1, 7) # 季节 (P, D, Q, s) model sm.tsa.SARIMAX( series, orderorder, seasonal_orderseasonal_order, enforce_stationarityFalse, enforce_invertibilityFalse ) result model.fit(dispFalse) # 拟合值 残差残差留给 LSTM fitted result.fittedvalues resid series - fitted print(result.summary())这段代码的关键点enforce_stationarityFalse和enforce_invertibilityFalse在数据不够干净时能避免拟合直接报错但代价是可能得到不稳定的参数正式用之前要看result.summary()里的显著性。asfreq(D)会引入缺失值如果原始数据有断档要先插值或重采样否则 SARIMA 会直接抛异常。2.3 LSTM 残差网络的输入构造残差序列不能直接一股脑喂进 LSTM要先用滑动窗口切成监督学习样本。假设窗口长度look_back10就是用前 10 个残差预测第 11 个。窗口长度的选择直接影响效果太短学不到依赖太长训练慢且容易过拟合。import numpy as np from sklearn.preprocessing import MinMaxScaler def create_dataset(data, look_back10): X, y [], [] for i in range(len(data) - look_back): X.append(data[i:i look_back]) y.append(data[i look_back]) return np.array(X), np.array(y) # 残差归一化LSTM 对量纲敏感 scaler MinMaxScaler(feature_range(0, 1)) resid_scaled scaler.fit_transform(resid.values.reshape(-1, 1)) X, y create_dataset(resid_scaled, look_back10) # LSTM 输入需要三维[样本数, 时间步, 特征数] X X.reshape((X.shape[0], X.shape[1], 1))MinMaxScaler把残差压到 0~1是因为 LSTM 默认用 tanh/sigmoid 激活输入量纲太大会导致梯度饱和。注意 scaler 要fit在训练集上再transform测试集否则会引入未来信息这是时间序列里最常见的泄漏坑。3. 从零跑通这套源码环境、数据、训练三步走3.1 环境搭建与依赖版本仿真平台写的是 anaconda pycharm python Tensorflow。实际落地时Tensorflow 版本和 Python 版本强绑定建议用 conda 建独立环境避免和系统里的包打架。# 创建独立环境python 版本按源码要求选常见 3.8~3.10 conda create -n sarima_lstm python3.9 conda activate sarima_lstm # 核心依赖 pip install numpy pandas scikit-learn statsmodels pip install tensorflow2.10.0 # 版本按源码实际要求调整 pip install matplotlib如果pip install tensorflow卡住或报找不到版本先确认 Python 版本是否在 Tensorflow 支持范围内。Tensorflow 2.10 是最后一个支持 Windows 原生 GPU 的版本再往上 Windows 只能用 WSL2这是很多人装环境时踩的坑。3.2 数据读取与预处理压缩包里有两份数据焦作.csv和焦作全.csv。常见做法是焦作.csv作为主训练数据焦作全.csv作为完整序列或扩展验证集。读取时要注意时间列解析和缺失值处理。import pandas as pd # 读取主数据parse_dates 把时间列转成 datetime df pd.read_csv(焦作.csv) print(df.head()) print(df.info()) # 看有没有缺失、类型对不对 print(df.describe()) # 看量纲和异常值 # 缺失值处理时间序列常用线性插值或前向填充 df df.sort_values(date).reset_index(dropTrue) df[value] df[value].interpolate(methodlinear)df.info()这一步别省很多报错都是因为时间列被读成字符串、值列混进了非数值字符。interpolate用线性插值适合连续型指标如果是计数型数据前向填充更稳妥。3.3 训练与预测的完整流程把 SARIMA 和 LSTM 串起来的流程是SARIMA 拟合 → 取残差 → 残差切窗口 → LSTM 训练 → 两段预测相加。下面是把关键步骤串起来的骨架。from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout # 1. SARIMA 拟合已在前面完成拿到 resid # 2. 残差归一化 切窗口 scaler MinMaxScaler(feature_range(0, 1)) resid_scaled scaler.fit_transform(resid.values.reshape(-1, 1)) X, y create_dataset(resid_scaled, look_back10) X X.reshape((X.shape[0], X.shape[1], 1)) # 3. 划分训练集/测试集时间序列不能打乱 split int(len(X) * 0.8) X_train, X_test X[:split], X[split:] y_train, y_test y[:split], y[split:] # 4. 搭建 LSTM 残差网络 model Sequential([ LSTM(50, return_sequencesTrue, input_shape(X.shape[1], 1)), Dropout(0.2), LSTM(50), Dropout(0.2), Dense(1) ]) model.compile(lossmse, optimizeradam) model.fit(X_train, y_train, epochs50, batch_size32, verbose1) # 5. 预测残差并反归一化 resid_pred model.predict(X_test) resid_pred scaler.inverse_transform(resid_pred) # 6. 最终预测 SARIMA 线性预测 LSTM 残差预测 # final_pred sarima_pred[splitlook_back:] resid_pred.flatten()几个参数说明LSTM(50)的 50 是隐藏单元数数据量小可以降到 32数据量大可以加到 64/128Dropout(0.2)是防过拟合的残差本身噪声大时可以提高epochs50配合batch_size32是常见起点但要看 loss 曲线早停比硬跑固定轮数更靠谱。split用 0.8 是经验值时间序列必须按时间顺序切绝不能train_test_split(shuffleTrue)。4. 避坑与排查这套组合模型最容易翻车的五个地方4.1 现象SARIMA 拟合直接报错或结果全是 NaN原因通常是数据里有缺失值、无穷值或者时间索引不连续。SARIMAX 对缺失值容忍度有限asfreq之后产生的 NaT 会一路传染。解决拟合前先df.dropna()或插值检查np.isfinite(series).all()时间索引用pd.date_range补齐后再reindex。4.2 现象LSTM 预测残差几乎是一条直线原因是残差已经被 SARIMA 学得很干净剩下的基本是白噪声LSTM 学不到结构。这时候组合模型相比纯 SARIMA 提升有限属于正常现象不是代码错。解决先画残差的 ACF 图如果各阶自相关都在置信区间内说明残差已是白噪声LSTM 这层可以省掉。别为了「用了深度学习」硬加。4.3 现象最终预测和真实值差一个量级原因是反归一化时用错了 scaler或者 SARIMA 预测值和 LSTM 残差预测值的时间对齐错位。残差预测是从splitlook_back开始的直接和完整序列相加会错位。解决把sarima_pred也切到对应区间再相加或者单独维护一个时间索引确保两段预测在同一时间点上。4.4 现象训练 loss 一直不降或震荡原因可能是学习率太大、窗口长度不合适、或者残差没归一化。LSTM 对输入尺度非常敏感残差如果没压到 0~1梯度会爆炸。解决确认MinMaxScaler已 fit尝试把adam换成adam(learning_rate0.001)窗口长度从 10 试到 20、30看验证集 loss 选最优。4.5 现象每次跑结果都不一样原因是 LSTM 权重随机初始化且没有固定随机种子。这在调参阶段很干扰判断。解决在脚本开头固定np.random.seed(42)和tf.random.set_seed(42)但要注意固定种子只是让结果可复现不代表模型稳定多跑几次看方差更靠谱。5. 进阶调参与效果验证把组合模型从「能跑」推到「能用」5.1 用网格搜索定 SARIMA 阶数手动看 ACF/PACF 定阶效率低可以写个小循环遍历候选阶数按 AIC 排序。import itertools import warnings warnings.filterwarnings(ignore) best_aic float(inf) best_order None best_seasonal None p d q range(0, 3) P D Q range(0, 2) s 7 for order in itertools.product(p, d, q): for seasonal in itertools.product(P, D, Q): try: mod sm.tsa.SARIMAX(series, orderorder, seasonal_orderseasonal (s,), enforce_stationarityFalse, enforce_invertibilityFalse) res mod.fit(dispFalse) if res.aic best_aic: best_aic res.aic best_order order best_seasonal seasonal (s,) except Exception: continue print(最优阶数:, best_order, 季节阶数:, best_seasonal, AIC:, best_aic)这个循环会跑很多组合数据量大时很慢建议先把范围缩小到range(0,2)。warnings.filterwarnings(ignore)是为了屏蔽收敛警告但正式选型时要把警告打开看收敛失败的组合即使 AIC 低也不能用。5.2 评价指标与对比基线组合模型好不好不能只看自己的 loss要和基线比。常用指标指标含义适用场景MAE平均绝对误差对异常值不敏感解释直观RMSE均方根误差对大误差惩罚重常用MAPE平均绝对百分比误差跨量纲比较但真值接近 0 时会爆炸对比基线至少要有纯 SARIMA、纯 LSTM、以及朴素预测用上一期值当预测。如果 SARIMA-LSTM 打不过纯 SARIMA说明残差里没有可学的非线性别硬上。5.3 一个我常用的验证习惯每次改完参数我会固定做三件事先画预测值和真实值的对比曲线肉眼看拐点有没有跟上再画残差 Q-Q 图看分布是否接近正态最后把测试集按时间段切成三段分别算 RMSE看模型在不同阶段是否稳定。只报一个总体 RMSE 很容易掩盖某段时间的崩盘。从那以后我每次调完参都强制走一遍这三步比盯着单个数字靠谱得多。希望这套源码和上面的拆解能帮你少走点弯路。本文还有配套的精品资源点击获取