Python MLP时间序列预测实战：从焦作数据到滚动预测的完整源码解析

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一套可直接运行的MLP时间序列预测完整方案适用于课程设计、期末大作业与毕业设计等场景。压缩包共3个文件包含1个Python源码脚本与2个CSV数据集整体约46KB源码与数据配套齐全无需额外搜集样本即可上手调试。代码基于Anaconda、PyCharm与TensorFlow环境编写采用参数化编程思路关键参数可灵活修改且配有保姆级注释几乎一行一注释便于零基础读者理解神经网络建模、训练与预测的完整流程。作者为某大厂资深算法工程师具备八年Matlab与Python算法仿真经验擅长智能优化算法、神经网络预测与信号处理等方向。目前已有567人学习下载读者可借此掌握时间序列预测的代码框架、数据组织方式与调参排错思路并在此基础上迁移到自己的课题数据中。1. 从焦作数据到预测曲线这套 MLP 源码到底能跑出什么焦作.csv 和焦作全.csv 这两个文件名第一次看到的时候我以为是某个统计年鉴的导出表打开才发现是两条完整的时间序列一条用来训练、一条用来验证。MLP.py 是主程序MLP.zip 里打包了源码和数据整个包不大但结构干净——没有多余的依赖没有花哨的封装就是一份能直接跑通的 Python MLP 时间序列预测实现。如果你正在做课程设计、期末大作业或者毕业设计需要一份带保姆级注释、参数化编程的神经网络预测代码这套东西的完成度是够的。它不教你从零推导反向传播但它把数据加载、归一化、滑窗构造、模型搭建、训练、预测、反归一化、误差评估这条链路全部串起来了而且几乎一行一注释。对于刚接触 python MLP 时间序列预测的人来说这种注释密度能省掉大量查文档的时间。2. 拆开 MLP.py数据流、滑窗构造与参数化设计2.1 先看数据长什么样再决定怎么喂给网络拿到一份时间序列数据第一件事不是写模型而是确认它的结构。焦作.csv 和焦作全.csv 大概率是单列或多列的数值型 CSV常见的时间序列格式无非两种一种是带时间戳的比如date,value另一种是纯数值序列只有一列或几列观测值。这套代码的通用做法是读取指定列作为预测目标其余列如果存在可以作为辅助特征拼进去。我一般会先用 pandas 快速扫一眼数据的形状、缺失情况和数值范围import pandas as pd import numpy as np # 读取数据header0 表示第一行是列名如果数据没有列名就改成 headerNone df pd.read_csv(焦作.csv, header0, encodingutf-8) # 查看前五行和基本统计信息确认数据是否读进来、有没有异常值 print(df.head()) print(df.describe()) # 检查缺失值时间序列里缺失值不能直接丢要么插值要么前向填充 print(df.isnull().sum()) # 如果目标列是第 0 列转成 float32 数组方便后面做归一化 data df.iloc[:, 0].values.astype(float32)这段代码的逻辑很直白先确认数据能被正确解析再确认数值范围是否合理。参数上需要注意的是encoding如果 CSV 里有中文列名或者特殊字符utf-8 不一定能读进来可以换成 gbk 试试。另外header参数要根据实际文件调整很多课程设计的数据集第一行就是数据本身没有列名这时候必须设成None否则第一行会被当成列名吃掉后面预测结果对不上这种坑我见过不止一次。2.2 滑窗构造时间序列预测的核心预处理MLP 本身不处理时序依赖它看到的是一个一个样本。要把时间序列变成监督学习问题必须做滑窗。假设用过去 10 个时刻的值预测下一个时刻的值那就要把长度为 N 的序列切成 N-10 个样本每个样本的输入是连续 10 个值标签是第 11 个值。def create_dataset(data, look_back10): data: 归一化后的时间序列数组 look_back: 用过去多少个时刻预测下一个时刻 返回: X shape(样本数, look_back), Y shape(样本数, 1) X, Y [], [] for i in range(len(data) - look_back): # 取连续 look_back 个值作为输入特征 X.append(data[i:(i look_back)]) # 取紧接着的下一个值作为预测目标 Y.append(data[i look_back]) return np.array(X), np.array(Y)look_back是这套代码里最需要调的参数之一。设太小模型看不到足够的上下文预测会滞后设太大样本数减少训练容易过拟合而且 MLP 的输入维度会膨胀。常见做法是先试 5、10、20 这几个值看验证集上的 RMSE 或 MAE 哪个更低。注意create_dataset返回的 X 是二维数组形状是(样本数, look_back)直接喂给 Keras 的 Dense 层没问题因为 Dense 层接受二维输入。2.3 归一化与反归一化别让量纲毁了训练时间序列的数值范围可能很大比如 GDP 数据动辄几万亿直接扔进网络梯度会炸。这套代码用的是 MinMax 归一化把数据压到 [0,1] 区间from sklearn.preprocessing import MinMaxScaler scaler MinMaxScaler(feature_range(0, 1)) # reshape(-1, 1) 是因为 sklearn 的 scaler 要求二维输入 data_scaled scaler.fit_transform(data.reshape(-1, 1)).flatten() # 构造滑窗样本 X, Y create_dataset(data_scaled, look_back10) # 划分训练集和测试集时间序列不能打乱顺序 train_size int(len(X) * 0.8) X_train, X_test X[:train_size], X[train_size:] Y_train, Y_test Y[:train_size], Y[train_size:]这里有个血泪经验归一化必须用训练集的参数去 transform 测试集不能对全体数据 fit 之后再切分。虽然这套代码为了简化可能直接对全序列做了 fit_transform但在实际项目里正确的做法是先切分再 fit。否则测试集的信息会泄露到训练过程中验证指标会虚高上线就翻车。反归一化的时候用scaler.inverse_transform把预测值还原回原始量纲才能算真实的误差。2.4 模型搭建与参数化编程的体现MLP.py 的模型部分用 TensorFlow/Keras 搭全连接网络结构不复杂但参数化做得比较到位。常见的写法是把层数、每层神经元数、学习率、batch_size、epochs 都抽成变量放在文件开头改的时候不用翻遍整个脚本。import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout from tensorflow.keras.optimizers import Adam # 参数区改这里就能控制模型结构和训练过程 HIDDEN_UNITS [64, 32] # 两个隐藏层神经元数分别是 64 和 32 DROPOUT_RATE 0.2 # Dropout 比例防止过拟合 LEARNING_RATE 0.001 # Adam 优化器的学习率 BATCH_SIZE 16 EPOCHS 100 model Sequential() # 输入层 第一个隐藏层input_shape 等于 look_back model.add(Dense(HIDDEN_UNITS[0], activationrelu, input_shape(look_back,))) model.add(Dropout(DROPOUT_RATE)) # 第二个隐藏层 model.add(Dense(HIDDEN_UNITS[1], activationrelu)) model.add(Dropout(DROPOUT_RATE)) # 输出层回归任务不加激活函数 model.add(Dense(1)) # 编译模型回归任务用 mse 损失优化器用 Adam model.compile(optimizerAdam(learning_rateLEARNING_RATE), lossmse) # 训练validation_split 从训练集里再切一部分做验证 history model.fit(X_train, Y_train, epochsEPOCHS, batch_sizeBATCH_SIZE, validation_split0.1, verbose1)HIDDEN_UNITS这个列表的设计很实用想加层就加元素想减层就删元素。Dropout的加入说明作者考虑到了过拟合问题时间序列数据量通常不大不加 Dropout 很容易在训练集上 loss 很低但测试集一塌糊涂。input_shape(look_back,)必须和滑窗的look_back一致改了一个忘了改另一个运行时报维度错误这是新手最常见的翻车点之一。2.5 预测、反归一化与误差评估训练完之后用测试集做预测再把预测值反归一化和真实值对比# 预测 train_predict model.predict(X_train) test_predict model.predict(X_test) # 反归一化注意 scaler 是在全体数据上 fit 的这里直接 inverse_transform train_predict scaler.inverse_transform(train_predict).flatten() test_predict scaler.inverse_transform(test_predict).flatten() Y_train_inv scaler.inverse_transform(Y_train.reshape(-1, 1)).flatten() Y_test_inv scaler.inverse_transform(Y_test.reshape(-1, 1)).flatten() # 计算 RMSE 和 MAE from sklearn.metrics import mean_squared_error, mean_absolute_error import math train_rmse math.sqrt(mean_squared_error(Y_train_inv, train_predict)) test_rmse math.sqrt(mean_squared_error(Y_test_inv, test_predict)) test_mae mean_absolute_error(Y_test_inv, test_predict) print(fTrain RMSE: {train_rmse:.4f}) print(fTest RMSE: {test_rmse:.4f}) print(fTest MAE: {test_mae:.4f})RMSE 和 MAE 是最常用的两个回归指标RMSE 对大误差更敏感MAE 更稳健。如果测试集 RMSE 远大于训练集 RMSE说明过拟合了可以减小网络规模、增大 Dropout、或者增加训练数据。如果两者都很大说明欠拟合需要加层、加神经元或者调学习率。这套代码把评估部分也写全了不用自己再补。3. 环境配置与运行从 Anaconda 到 PyCharm 的完整链路3.1 环境依赖与版本选择这套代码标注的技术栈是 Anaconda PyCharm Python TensorFlow。TensorFlow 的版本兼容性是第一个要确认的事情。如果你用的是 WindowsTensorFlow 2.x 对 Python 版本有要求常见组合是 Python 3.8 到 3.10 配 TensorFlow 2.6 到 2.12。Anaconda 的好处是可以用 conda 创建独立环境避免和系统里的其他包冲突。# 创建名为 mlp_ts 的虚拟环境指定 Python 版本 conda create -n mlp_ts python3.9 # 激活环境 conda activate mlp_ts # 安装依赖tensorflow 会自动带上 numpy、protobuf 等 pip install tensorflow2.12.0 pip install pandas scikit-learn matplotlib版本号不要照抄根据自己机器上 CUDA 的情况选。如果没有 NVIDIA 显卡直接装 CPU 版就行这套 MLP 规模很小CPU 训练完全够用。matplotlib是用来画预测对比图的如果代码里有绘图部分这个包不能少。3.2 PyCharm 项目配置与运行在 PyCharm 里新建项目解释器选刚才创建的 conda 环境。把 MLP.py、焦作.csv、焦作全.csv 放在同一个目录下直接右键运行 MLP.py。如果报FileNotFoundError检查 CSV 路径是不是相对路径PyCharm 默认的工作目录是项目根目录不是脚本所在目录。可以在代码里用os.path.dirname(os.path.abspath(__file__))拼绝对路径避免这个问题。常见做法是在脚本开头加一段路径处理import os # 获取当前脚本所在目录拼接数据文件路径 base_dir os.path.dirname(os.path.abspath(__file__)) data_path os.path.join(base_dir, 焦作.csv) df pd.read_csv(data_path, header0, encodingutf-8)这样不管在 PyCharm 还是命令行运行路径都不会错。另外如果 CSV 里有中文Windows 下用 utf-8 读可能报UnicodeDecodeError换成gbk或者gb18030试试。3.3 训练过程监控与结果可视化训练的时候verbose1会打印每个 epoch 的 loss 和 val_loss。如果 loss 一直不降先检查学习率是不是太大Adam 默认 0.001 一般没问题但如果数据没归一化loss 可能直接 NaN。如果 val_loss 先降后升说明过拟合了可以提前停止或者加 Dropout。画预测对比图能直观判断模型有没有学到趋势import matplotlib.pyplot as plt plt.figure(figsize(12, 6)) # 画真实值 plt.plot(Y_test_inv, labelTrue) # 画预测值 plt.plot(test_predict, labelPredict) plt.legend() plt.title(MLP Time Series Prediction) plt.show()如果预测曲线明显滞后于真实曲线说明look_back太小模型看不到足够的趋势信息。如果预测曲线是一条直线说明模型没学到东西检查归一化、学习率和网络结构。4. 避坑与排查这套代码最容易翻车的五个地方4.1 现象运行报错ValueError: Input 0 of layer dense is incompatible原因input_shape和实际输入的维度对不上。最常见的情况是改了look_back但忘了改input_shape或者create_dataset返回的 X 形状不是二维。解决在model.fit之前打印X_train.shape确认第二维等于look_back。如果 X 是一维的检查create_dataset里np.array(X)有没有正确堆叠。另外如果用了多特征输入input_shape要改成(look_back, n_features)Dense 层前面可能需要加 Flatten。4.2 现象预测结果全是同一个值或者和真实值完全对不上原因归一化和反归一化的对象搞混了。比如对全体数据做了fit_transform但反归一化的时候用错了 scaler或者对 Y 做了归一化但预测后忘了反归一化。解决统一用同一个 scaler 做归一化和反归一化。训练前打印data_scaled的最大最小值确认在 [0,1] 区间。预测后打印test_predict的前几个值确认量纲和原始数据一致。如果原始数据是几千几万预测出来是 0.几说明忘了反归一化。4.3 现象训练 loss 下降但验证 loss 震荡RMSE 很大原因时间序列切分时打乱了顺序或者validation_split从训练集尾部切的时候恰好切到了分布差异大的片段。解决时间序列绝对不能shufflemodel.fit里不要设shuffleTrue。validation_split默认从尾部切如果数据有周期性尾部可能和头部分布不同可以手动切验证集确保验证集和训练集分布一致。另外batch_size太小会导致 loss 震荡可以适当增大到 32 或 64。4.4 现象CSV 读取后数据形状不对多了一列或少了一列原因header参数设置错误或者 CSV 分隔符不是逗号。有些数据集用分号或制表符分隔read_csv默认按逗号解析会把整行读成一列。解决先用文本编辑器打开 CSV 看一眼分隔符。如果是分号加sep;如果是制表符加sep\t。如果第一行是数据不是列名设headerNone。读完之后打印df.shape和df.head()确认列数和预期一致。4.5 现象TensorFlow 导入报错或者 GPU 不可用原因TensorFlow 版本和 Python 版本不匹配或者 CUDA/cuDNN 版本不对。Windows 上还可能是缺少 Visual C 运行库。解决先用pip list看 tensorflow 版本再去官网查对应的 Python 版本要求。如果没有 GPU直接卸载 GPU 版装 CPU 版pip install tensorflow-cpu。导入时如果报DLL load failed装一下 Microsoft Visual C Redistributable。这套 MLP 不需要 GPUCPU 版省心得多。5. 进阶技巧用焦作全.csv 做滚动预测与多步验证焦作全.csv 的存在说明作者留了一个完整的验证集或者更长的序列。很多人跑完 MLP.py 看到测试集 RMSE 就结束了但真正能说明模型泛化能力的是用焦作全.csv 做滚动预测。滚动预测的意思是用模型预测下一个点把预测值追加到输入窗口末尾再预测下一个点如此循环。这样能模拟真实场景中模型不断接收新数据、不断预测的过程。def rolling_forecast(model, scaler, last_window, n_steps): model: 训练好的模型 scaler: 归一化器 last_window: 初始输入窗口shape(look_back,) n_steps: 向前预测多少步 返回: 反归一化后的预测序列 predictions [] current_window last_window.copy() for _ in range(n_steps): # 当前窗口 reshape 成 (1, look_back) 喂给模型 input_seq current_window.reshape(1, -1) pred model.predict(input_seq, verbose0)[0, 0] predictions.append(pred) # 把预测值追加到窗口末尾去掉最旧的值 current_window np.append(current_window[1:], pred) # 反归一化 predictions scaler.inverse_transform(np.array(predictions).reshape(-1, 1)).flatten() return predictions这个函数的关键参数是n_steps也就是向前预测多少步。步数越多误差累积越严重这是自回归预测的固有缺陷。我一般会先跑 10 步、20 步、50 步看 RMSE 随步数增长的曲线。如果 10 步之后误差就爆炸说明模型学到的模式不够稳定需要重新调look_back或者网络结构。另一个技巧是用焦作.csv 训练、焦作全.csv 验证而不是从同一条序列里切分。这样能真正检验模型在不同时间段上的表现。如果两条序列的统计分布差异大比如均值、方差不一样可以先做分布对齐或者用焦作.csv 的 scaler 去 transform 焦作全.csv看反归一化后的误差是否可接受。还有一个容易被忽略的点MLP 对输入特征的尺度很敏感如果焦作全.csv 的数值范围超出了训练集的范围归一化后可能超出 [0,1]模型预测会失真。常见做法是在归一化之前先做异常值处理把超出训练集范围的数值截断或者用训练集的 min/max 重新缩放。我吃过这个亏验证集里有个别极端值归一化后变成 1.2模型没见过这种输入预测结果直接飞了。从那以后我每次做时间序列预测都强制走一遍训练集和验证集的分布对比确认量纲一致再往下跑。希望帮到你。本文还有配套的精品资源点击获取