基于SARIMA、XGBoost和CNN-LSTM的時(shí)間序列預(yù)測(cè)對(duì)比（2）

下面我們開(kāi)始使用三種不同的時(shí)間序列算法:SARIMA、XGBoost和CNN-LSTM，進(jìn)行建模并比較。

對(duì)于所有三個(gè)模型，都使用預(yù)測(cè)下一個(gè)數(shù)據(jù)點(diǎn)進(jìn)行預(yù)測(cè)。Walk-forward驗(yàn)證是一種用于時(shí)間序列建模的技術(shù)，因?yàn)殡S著時(shí)間的推移，預(yù)測(cè)會(huì)變得不那么準(zhǔn)確，因此更實(shí)用的方法是在實(shí)際數(shù)據(jù)可用時(shí)，用實(shí)際數(shù)據(jù)重新訓(xùn)練模型。

在建模之前需要更詳細(xì)地研究數(shù)據(jù)。圖8顯示了SP2數(shù)據(jù)集中所有特征的相關(guān)熱圖。熱圖顯示了因變量直流功率，與模塊溫度、輻照和環(huán)境溫度的強(qiáng)相關(guān)性。這些特征可能在預(yù)測(cè)中發(fā)揮重要作用。

在下面的熱圖中，交流功率顯示皮爾森相關(guān)系數(shù)為1。為了防止數(shù)據(jù)泄漏問(wèn)題，我們將直流功率從數(shù)據(jù)中刪除。

SARIMA

季節(jié)自回歸綜合移動(dòng)平均(SARIMA)是一種單變量時(shí)間序列預(yù)測(cè)方法。由于目標(biāo)變量顯示出24小時(shí)循環(huán)周期的跡象，SARIMA是一個(gè)有效的建模選項(xiàng)，因?yàn)樗紤]了季節(jié)影響。這可以從下面的季節(jié)分解圖中觀(guān)察到。

SARIMA算法要求數(shù)據(jù)是平穩(wěn)的。有多種方法來(lái)檢驗(yàn)數(shù)據(jù)是否平穩(wěn)，例如統(tǒng)計(jì)檢驗(yàn)(增強(qiáng)迪基-福勒檢驗(yàn))，匯總統(tǒng)計(jì)(比較數(shù)據(jù)的不同部分的均值/方差)和可視化分析數(shù)據(jù)。在建模之前進(jìn)行多次測(cè)試是很重要的。

增強(qiáng)迪基-富勒(ADF)檢驗(yàn)是一種“單位根檢驗(yàn)”，用于確定時(shí)間序列是否平穩(wěn)。從根本上說(shuō)，這是一個(gè)統(tǒng)計(jì)顯著性檢驗(yàn)，其中存在一個(gè)零假設(shè)和替代假設(shè)，并根據(jù)得出的p值得出結(jié)論。

零假設(shè)：時(shí)間序列數(shù)據(jù)是非平穩(wěn)的。

替代假設(shè)：時(shí)間序列數(shù)據(jù)是平穩(wěn)的。

在我們的例子中，如果p值≤0.05，我們可以拒絕原假設(shè)，并確認(rèn)數(shù)據(jù)沒(méi)有單位根。

 from statsmodels.tsa.stattools import adfuller
 result = adfuller(plant2_dcpower.values)
 print('ADF Statistic: %f' % result[0]) print('p-value: %f' % result[1]) print('Critical Values:') for key, value in result[4].items():    print('\t%s: %.3f' % (key, value))

從ADF檢驗(yàn)來(lái)看，p值為0.000553，< 0.05。根據(jù)這一統(tǒng)計(jì)數(shù)據(jù)，可以認(rèn)為該數(shù)據(jù)是穩(wěn)定的。然而，查看圖2（最上面的圖），有明顯的季節(jié)性跡象(對(duì)于被認(rèn)為是平穩(wěn)的時(shí)間序列數(shù)據(jù)，不應(yīng)該有季節(jié)性和趨勢(shì)的跡象)，這說(shuō)明數(shù)據(jù)是非平穩(wěn)的。因此，運(yùn)行多個(gè)測(cè)試非常重要。

為了用SARIMA對(duì)因變量建模，時(shí)間序列需要是平穩(wěn)的。如圖9(第一個(gè)和第三個(gè)圖)所示，直流電有明顯的季節(jié)性跡象。取第一個(gè)差值[t-(t-1)]去除季節(jié)性成分，如圖10所示，因?yàn)樗雌饋?lái)類(lèi)似于正態(tài)分布。數(shù)據(jù)現(xiàn)在是平穩(wěn)的，適用于SARIMA算法。

SARIMA的超參數(shù)包括p(自回歸階數(shù))、d(差階數(shù))、q(移動(dòng)平均階數(shù))、p(季節(jié)自回歸階數(shù))、d(季節(jié)差階數(shù))、q(季節(jié)移動(dòng)平均階數(shù))、m(季節(jié)周期的時(shí)間步長(zhǎng))、trend(確定性趨勢(shì))。

圖11顯示了自相關(guān)(ACF)、部分自相關(guān)(PACF)和季節(jié)性ACF/PACF圖。ACF圖顯示了時(shí)間序列與其延遲版本之間的相關(guān)性。PACF顯示了時(shí)間序列與其滯后版本之間的直接相關(guān)性。藍(lán)色陰影區(qū)域表示置信區(qū)間。SACF和SPACF可以通過(guò)從原始數(shù)據(jù)中取季節(jié)差(m)來(lái)計(jì)算，在本例中為24，因?yàn)樵贏(yíng)CF圖中有一個(gè)明顯的24小時(shí)的季節(jié)效應(yīng)。

根據(jù)我們的直覺(jué)，超參數(shù)的起點(diǎn)可以從ACF和PACF圖中推導(dǎo)出來(lái)。如ACF和PACF均呈逐漸下降的趨勢(shì)，即自回歸階數(shù)(p)和移動(dòng)平均階數(shù)(q)均大于0。p和p可以通過(guò)分別觀(guān)察PCF和SPCF圖，并計(jì)算滯后值不顯著之前具有統(tǒng)計(jì)學(xué)顯著性的滯后數(shù)來(lái)確定。同樣，q和q可以在A(yíng)CF和SACF圖中找到。

差階(d)可以通過(guò)使數(shù)據(jù)平穩(wěn)的差的數(shù)量來(lái)確定。季節(jié)差異階數(shù)(D)是根據(jù)從時(shí)間序列中去除季節(jié)性成分所需的差異數(shù)來(lái)估計(jì)的。

這些超參數(shù)選擇可以看這篇文章：https://arauto.readthedocs.io/en/latest/how_to_choose_terms.html

也可以采用網(wǎng)格搜索方法進(jìn)行超參數(shù)優(yōu)化，根據(jù)最小均方誤差(MSE)選擇最優(yōu)超參數(shù)，包括p = 2, d = 0, q = 4, p = 2, d = 1, q = 6, m = 24, trend = ' n '(無(wú)趨勢(shì))。

 from time import time from sklearn.metrics import mean_squared_error from statsmodels.tsa.statespace.sarimax import SARIMAX
 configg = [(2, 1, 4), (2, 1, 6, 24), 'n']
 def train_test_split(data, test_len=48):    """    Split data into training and testing.    """    train, test = data[:-test_len], data[-test_len:]    return train, test
 def sarima_model(data, cfg, test_len, i):    """    SARIMA model which outputs prediction and model.    """    order, s_order, t = cfg[0], cfg[1], cfg[2]    model = SARIMAX(data, order=order, seasonal_order=s_order, trend=t,                    enforce_stationarity=False, enfore_invertibility=False)    model_fit = model.fit(disp=False)    yhat = model_fit.predict(len(data))
    if i + 1 == test_len:        return yhat, model_fit    else:        return yhat
 def walk_forward_val(data, cfg):    """    A walk forward validation technique used for time series data. Takes current value of x_test and predicts    value. x_test is then fed back into history for the next prediction.    """    train, test = train_test_split(data)    pred = []    history = [i for i in train]    test_len = len(test)
    for i in range(test_len):        if i + 1 == test_len:            yhat, s_model = sarima_model(history, cfg, test_len, i)            pred.append(yhat)            mse = mean_squared_error(test, pred)            return pred, mse, s_model        else:            yhat = sarima_model(history, cfg, test_len, i)            pred.append(yhat)            history.append(test[i])    pass
 if __name__ == '__main__':    start_time = time()    sarima_pred_plant2, sarima_mse, s_model = walk_forward_val(plant2_dcpower, configg)    time_len = time() - start_time
    print(f'SARIMA runtime: {round(time_len/60,2)} mins')

圖12顯示了SARIMA模型的預(yù)測(cè)值與SP2 2天內(nèi)記錄的直流功率的比較。

為了分析模型的性能，圖13顯示了模型診斷。相關(guān)圖顯示在第一個(gè)滯后后幾乎沒(méi)有相關(guān)性，下面的直方圖顯示在平均值為零附近的正態(tài)分布。由此我們可以說(shuō)模型無(wú)法從數(shù)據(jù)中收集到進(jìn)一步的信息。