基于Transformer与随机森林的多变量时间序列预测

哈喽，我不是小upper，今天和大家聊聊基于Transformer与随机森林的多变量时间序列预测。

不懂Transformer的小伙伴可以看我上篇文章:一文带你彻底搞懂！Transformer ！！https://blog.csdn.net/qq_70350287/article/details/147404686?spm=1001.2014.3001.5501

在多变量时间序列预测领域，我们常常需要依据历史数据来预估多个变量在未来的取值。打个比方，在分析城市交通流量时，就涉及到多个变量，像不同路段的车流量、车速等，我们要预测这些变量未来的变化情况。

以往常用的时间序列预测方法，比如 ARIMA 和 SARIMA ，存在一定的局限性。它们一般假定数据之间呈现线性关系，可在实际的复杂系统中，数据间的关系往往并非如此简单。现实中的数据不仅存在非线性关系，还具有长期依赖特征，就好比今天的交通流量情况可能会受到一周前特殊事件的影响，而这些传统方法很难有效捕捉到这些复杂的关系，所以在面对复杂的多变量时间序列预测任务时，效果可能不太理想 。

在当下的技术发展进程中，基于深度学习的 Transformer 和基于机器学习的随机森林（Random Forest，简称 RF）在众多任务领域得到了极为广泛的应用。这两种技术各有所长，若将它们有机结合，便能够充分发挥各自的优势，实现更出色的效果。

Transformer 模型的核心亮点在于其独特的自注意力机制。这一机制赋予了 Transformer 强大的能力，使其能够精准且高效地捕捉时间序列中的长期依赖关系。在处理如自然语言文本、金融时间序列数据这类包含复杂时间依赖信息的任务时，Transformer 可以轻松关注到序列中不同位置之间的关联，从而理解整体的语义或趋势。例如在机器翻译中，它能理解句子中相隔较远词汇之间的语法和语义联系，提升翻译的准确性。

而随机森林（RF）模型则是通过构建多棵决策树的方式来进行工作。在面对高维特征空间时，它能够进行有效的回归操作。并且，RF 模型具有很强的鲁棒性，这使得它在处理包含噪声的数据时表现出色。即使数据中存在一些干扰信息，它也能凭借自身的结构和算法，尽量减少噪声对结果的影响，给出相对可靠的预测。比如在预测房屋价格时，面对包含测量误差等噪声的数据，随机森林模型依然能较好地捕捉到房价与其他因素之间的关系。

接下来，让我们一起深入了解这两种技术结合的细节内容。

多变量时间序列预测的问题建模

1. 滑动窗口与样本构造：在多变量时间序列预测中，我们从给定的观测序列出发，通过设定窗口长度来构建样本。这一操作的目标是为后续的模型训练提供合适的数据形式，使模型能够学习到时间序列中的规律和特征。
2. 归一化与去趋势：为了让数据更适合模型训练，我们对每个变量进行 Z-score 标准化处理。这种标准化方法能够将数据转化为均值为 0、标准差为 1 的标准形式，有助于提升模型的训练效果和稳定性。
3. 变量相关性分析：计算皮尔逊相关系数矩阵是分析变量之间相关性的重要手段。通过这个矩阵，我们可以判断哪些变量之间关系紧密，进而选择对预测结果有重要影响的输入变量，去除那些相关性较低的变量，提高模型的效率和预测准确性。

模型融合策略

1. 加权平均（Weighted Averaging）：这是一种直观且简单的模型融合方法，它的优点是所需的参数较少。在融合多个模型的预测结果时，为每个模型分配一个权重，然后根据这些权重对各模型的预测值进行加权求和，得到最终的预测结果。权重的选择可以通过交叉验证等方式进行调优，以达到最佳的融合效果。
2. 堆叠泛化（Stacking）：该方法分为两层进行模型融合。在第一层，使用 Transformer、随机森林（RF）等不同模型分别对数据进行处理并输出预测结果。然后，在第二层使用元学习器，例如线性回归模型或小型多层感知机（MLP）。具体操作是，先通过交叉验证的方式获得第一层各个模型对验证集的预测结果，再利用这些结果来训练元学习器，使元学习器能够学习到不同模型预测结果之间的关系，从而更好地融合这些结果，提升整体的预测性能。
3. 误差协方差分析：误差协方差分析用于评估不同模型之间的互补性。如果两个模型的误差相关性较低，说明它们在预测过程中犯错误的情况有所不同，这种情况下将它们融合，往往能获得更好的预测效果。因为不同模型可以在不同方面发挥优势，相互补充，减少整体的预测误差。

小结

模块	关键组件	细节要点
序列预处理	滑动窗口、归一化、相关性分析	利用滑动窗口构造样本，通过 Z-score 进行标准化，借助皮尔逊相关矩阵筛选特征
Transformer 编码器	位置编码（PosEnc）、多头注意力、前馈神经网络（FFN）、层归一化（LayerNorm）	采用正余弦位置编码，利用防未来信息掩码避免信息泄露，结合残差连接和归一化；多头注意力并行捕捉多尺度依赖关系；逐位置前馈网络增强模型的非线性表达能力
随机森林回归	自助采样（Bootstrap）、分类与回归树（CART）分裂、子特征随机选择	树间差异源于有放回采样和特征随机子集；回归树依据最小化节点内均方误差（MSE）进行分裂；通过平均化减少预测方差
融合策略	加权平均、堆叠泛化、误差协方差分析	加权平均的系数可通过交叉验证调优；堆叠泛化借助元学习器捕获二级特征；误差协方差分析揭示模型间的互补性
评估指标	均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、多变量加权评估	MSE 对大误差较为敏感，MAE 更稳健，MAPE 以百分比形式呈现便于解读，多变量加权评估可综合考虑不同变量的重要性进行全面评估

在这里，我们将基于 Transformer 与随机森林的集成方法，开展多变量时间序列的预测任务。为了更便捷地展示整个过程，我们使用虚拟数据集来完成数据生成、模型训练、预测、评估等环节，同时还会生成多种可视化图形，以此深入分析模型的表现，最后给出算法的优化要点和调参流程。

1. 数据集 & 预处理

为构建一个多变量时间序列数据集，我们生成包含三个变量的虚拟时间序列数据。其中一个变量是呈周期性变化的正弦波，一个是余弦波，还有一个是添加了噪声的随机信号。具体代码如下：

# 生成虚拟多变量时间序列数据：3个变量，长度为T
import numpy as np
T = 1200  # 时间步数
t = np.arange(T)
x1 = np.sin(0.02 * t)  # 正弦波
x2 = np.cos(0.02 * t)  # 余弦波
x3 = 0.1 * np.random.randn(T)  # 高斯噪声# 数据合并，形状为(T, 3)
data = np.stack([x1, x2, x3], axis=1)

接下来，对生成的数据进行标准化处理（Z-score），使数据具有统一的尺度，便于后续模型训练。

from sklearn.preprocessing import StandardScaler
# 标准化处理（Z-score）
scaler = StandardScaler()
data_norm = scaler.fit_transform(data)  # 标准化后的数据

数据集拆分与窗口化

我们把时间序列数据拆分成滑动窗口样本，进而生成训练集和测试集。在这个过程中，我们构建特征数据X和目标数据Y：

window_size = 30  # 假设窗口大小为30
horizon = 1  # 预测步长为1
X, Y = [], []
for i in range(T - window_size - horizon + 1):X.append(data_norm[i:i + window_size])  # 选择窗口内的数据Y.append(data_norm[i + window_size:i + window_size + horizon])  # 预测窗口后的数据
X = np.array(X)  # shape: (samples, window_size, features)
Y = np.array(Y).squeeze(axis=1)  # shape: (samples, features)# 划分训练集与测试集
train_ratio = 0.8
n_train = int(len(X) * train_ratio)
X_train, X_test = X[:n_train], X[n_train:]
Y_train, Y_test = Y[:n_train], Y[n_train:]# 转换为PyTorch Tensor
import torch
from torch.utils.data import TensorDataset, DataLoader
X_train_t = torch.tensor(X_train, dtype=torch.float32)
Y_train_t = torch.tensor(Y_train, dtype=torch.float32)
X_test_t = torch.tensor(X_test, dtype=torch.float32)
Y_test_t = torch.tensor(Y_test, dtype=torch.float32)train_dataset = TensorDataset(X_train_t, Y_train_t)
train_loader  = DataLoader(train_dataset, batch_size=32, shuffle=True)

可视化数据

我们先绘制数据集的原始图形，以此清晰展示三个变量的时间序列变化情况。

import matplotlib.pyplot as plt
# 可视化原始数据
plt.figure(figsize=(12, 6))
plt.plot(t, data_norm[:, 0], label='Var1', color='magenta')
plt.plot(t, data_norm[:, 1], label='Var2', color='cyan')
plt.plot(t, data_norm[:, 2], label='Var3', color='lime')
plt.title("Raw Multivariate Time Series")
plt.xlabel("Time")
plt.ylabel("Normalized Value")
plt.legend()
plt.show()

可视化展示的横坐标是时间（Time），从 0 到 1200，代表时间步数；纵坐标是标准化后的值（Normalized Value） ，范围从 - 3 到 2 。图中有三条线，紫色线代表 Var1，是一条正弦波曲线，呈现周期性波动；蓝色线代表 Var2，是余弦波曲线，也呈周期性波动，但和正弦波有相位差；绿色线代表 Var3，是加了高斯噪声的随机信号，波动非常剧烈且杂乱无章，不像前两条线那样有明显规律 。 

2. Transformer 模型实现

Transformer 回归模型

Transformer 模型借助自注意力机制，能有效捕捉序列中的长期依赖关系。我们使用 PyTorch 搭建一个简洁的 Transformer Encoder 架构。代码如下：

# Transformer回归模型
import torch
import torch.nn as nn
import mathclass TransformerRegressor(nn.Module):def __init__(self, input_dim, d_model, nhead, num_layers, dim_feedforward):super().__init__()# 输入映射层self.input_linear = nn.Linear(input_dim, d_model)# Transformer编码器层encoder_layer = nn.TransformerEncoderLayer(d_model=d_model, nhead=nhead, dim_feedforward=dim_feedforward)self.transformer = nn.TransformerEncoder(encoder_layer, num_layers=num_layers)# 输出映射层self.output_linear = nn.Linear(d_model, input_dim)def forward(self, src):x = self.input_linear(src) * math.sqrt(self.input_linear.out_features)  # 线性变换x = x.permute(1, 0, 2)  # 转置为 (seq_len, batch, d_model)x = self.transformer(x)  # Transformer编码x = x.mean(dim=0)  # 平均池化 (batch, d_model)return self.output_linear(x)  # 预测输出 (batch, input_dim)

在这个模型中，input_linear负责将输入数据映射到指定维度，transformer进行核心的编码操作，output_linear则输出预测结果。

模型训练

接下来定义训练所需参数并开始训练模型：

# 定义训练参数
input_dim = 3
model = TransformerRegressor(input_dim, d_model=64, nhead=4, num_layers=2, dim_feedforward=128)
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)
criterion = nn.MSELoss()# 训练模型
num_epochs = 50
loss_list = []model.train()
for epoch in range(1, num_epochs+1):epoch_loss = 0.0for xb, yb in train_loader:optimizer.zero_grad()pred = model(xb)loss = criterion(pred, yb)loss.backward()optimizer.step()epoch_loss += loss.item() * xb.size(0)epoch_loss /= len(train_loader.dataset)loss_list.append(epoch_loss)if epoch % 10 == 0:print(f"Epoch {epoch}/{num_epochs}, Loss: {epoch_loss:.4f}")

这里，我们设置了模型的具体参数，选用 Adam 优化器和均方误差损失函数（MSELoss） 。在训练循环中，每个 epoch 都会计算平均损失，并记录下来，方便后续观察模型训练情况。

3. 随机森林模型实现

随机森林回归器

对于随机森林模型，我们先对数据进行预处理，然后训练和预测：

# 随机森林训练与预测
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error, mean_absolute_error
import numpy as npX_rf_train = X_train.reshape(n_train, -1)
X_rf_test = X_test.reshape(len(X_test), -1)rf = RandomForestRegressor(n_estimators=200, max_depth=12, random_state=42)
rf.fit(X_rf_train, Y_train)
rf_pred = rf.predict(X_rf_test)

这里将训练数据和测试数据调整为适合随机森林模型输入的形状，然后使用指定参数训练随机森林回归器，并得到测试集上的预测结果。

评估模型性能

通过计算均方误差（MSE）和平均绝对误差（MAE）来衡量 Transformer 模型和随机森林模型在测试集上的表现：

# model是已经训练好的TransformerRegressor模型，X_test_t是测试集数据
model.eval()  # 将模型设置为评估模式
with torch.no_grad():  # 不计算梯度，节省内存并加快计算tf_pred_test = model(X_test_t).cpu().numpy()  # 对测试集进行预测并转换为numpy数组mse_tf = mean_squared_error(Y_test, tf_pred_test)
mae_tf = mean_absolute_error(Y_test, tf_pred_test)
mse_rf = mean_squared_error(Y_test, rf_pred)
mae_rf = mean_absolute_error(Y_test, rf_pred)print(f"Transformer -> MSE: {mse_tf:.4f}, MAE: {mae_tf:.4f}")
print(f"Random Forest -> MSE: {mse_rf:.4f}, MAE: {mae_rf:.4f}")

通过调整加权系数alpha，综合两个模型的优势，得到集成模型的预测结果，并再次计算评估指标，判断融合效果。 

 从输出结果看，Transformer 模型的均方误差（MSE）为 0.3988 ，平均绝对误差（MAE）为 0.3221 ；随机森林模型的 MSE 是 0.3889 ，MAE 是 0.3071 。这表明在这个多变量时间序列预测任务中，随机森林模型在衡量预测值与真实值偏离程度的 MSE 和 MAE 指标上，表现略优于 Transformer 模型 ，即随机森林模型的预测值相对更接近真实值 。

5. 可视化分析

原始数据可视化

为了更好地理解数据的变化趋势，我们再次展示标准化后的多变量时间序列：

import matplotlib.pyplot as pltplt.figure(figsize=(12, 6))
plt.plot(t, data_norm[:, 0], label='Var1', color='magenta')
plt.plot(t, data_norm[:, 1], label='Var2', color='cyan')
plt.plot(t, data_norm[:, 2], label='Var3', color='lime')
plt.title("Raw Multivariate Time Series")
plt.xlabel("Time")
plt.ylabel("Normalized Value")
plt.legend()
plt.show()

这张图展示了标准化后的多变量时间序列，横坐标为时间，从 0 到 1200，纵坐标是标准化值。紫色线代表 Var1，是正弦波，呈现周期性起伏；蓝色线是 Var2，为余弦波，同样周期性波动，和正弦波有相位差异；绿色线的 Var3 是加了高斯噪声的随机信号，波动剧烈且无明显规律。通过该图能直观看到各变量的变化特征，Var1 和 Var2 的周期性可帮助预测，而 Var3 的随机性增加了预测难度 。 

Transformer 训练损失曲线

为了观察 Transformer 模型的收敛情况，我们绘制其训练损失曲线。具体代码如下：

import matplotlib.pyplot as pltplt.figure(figsize=(8, 4))
plt.plot(range(1, num_epochs+1), loss_list, color='orange', label='Train Loss')
plt.title("Transformer Training Loss")
plt.xlabel("Epoch")
plt.ylabel("MSE Loss")
plt.legend()
plt.show()

运行后得到一张直方图，横坐标是预测误差，纵坐标是误差出现的频率。通过观察直方图的形状和分布，我们可以了解融合模型预测误差的集中程度和离散情况。比如，如果直方图呈现近似正态分布，说明误差分布相对稳定；若存在长尾或异常值，可能表示模型在某些情况下预测效果不佳，需要进一步分析和改进。 

图中输出的是 Transformer 模型的训练损失曲线。横坐标是训练轮次（Epoch），从 0 到 50 ，纵坐标是均方误差损失（MSE Loss） 。可以看到，在训练初期，损失值从接近 0.5 迅速下降，随后在不同轮次间有小幅度波动。整体趋势是逐渐降低并趋于平稳，说明 Transformer 模型在训练过程中不断学习，尽管过程中有起伏，但最终损失稳定在一定范围内，模型在朝着收敛方向发展。 

 

真实与预测值对比（融合模型）

我们来展示融合模型（Transformer 和随机森林融合）的预测结果与真实值的对比情况。代码如下：

plt.figure(figsize=(12, 6))
plt.plot(np.arange(n_train+window_size, T-horizon+1), Y_test[:, 0], color='blue', label='True Var1')
plt.plot(np.arange(n_train+window_size, T-horizon+1), ensemble_pred[:, 0], color='red', linestyle='--', label='Pred Var1')
plt.title("True vs Predicted (Ensemble Model)")
plt.xlabel("Time")
plt.ylabel("Value")
plt.legend()
plt.show()

执行后得到一张折线图，横坐标是时间，纵坐标是变量的值。蓝色实线代表真实值（True Var1），红色虚线代表融合模型的预测值（Pred Var1） 。通过对比这两条线，我们可以直观地看出融合模型的预测效果。如果两条线贴合度高，说明模型预测准确；若偏差较大，则表明模型在预测该变量时存在一定误差。 

 

随机森林特征重要性

为了了解随机森林模型中各个特征的贡献情况，也就是哪些历史数据对预测最重要，我们绘制特征重要性图，代码如下：

importances = rf.feature_importances_
indices = np.argsort(importances)[-10:]
plt.figure(figsize=(8, 6))
plt.barh(range(len(indices)), importances[indices], color='teal')
plt.yticks(range(len(indices)), [f"Feature {i}" for i in indices])
plt.title("Random Forest Feature Importances")
plt.xlabel("Importance")
plt.ylabel("Feature")
plt.show()

这会生成下图的横向条形图，横坐标是特征的重要性程度，纵坐标是特征编号。条形的长度代表对应特征的重要性，越长说明该特征对随机森林模型的预测越关键。通过这张图，我们可以清晰地看到不同特征在模型中的重要程度，有助于进一步优化模型和理解数据。 

可以看出上图展示了不同特征对模型预测的贡献。横坐标是重要性数值，纵坐标是特征编号。可见，Feature 0 和 Feature 88 重要性较高，对预测影响大；其余特征重要性相对较低。 

融合模型误差分布

我们通过绘制误差的直方图来分析融合模型预测误差的分布情况，代码如下：

errors = ensemble_pred.flatten() - Y_test.flatten()
plt.figure(figsize=(8, 6))
plt.hist(errors, bins=30, color='violet', edgecolor='black')
plt.title("Error Distribution (Ensemble)")
plt.xlabel("Prediction Error")
plt.ylabel("Frequency")
plt.show()

本代码运行后输出一张直方图，横坐标是预测误差，纵坐标是误差出现的频率。通过观察直方图的形状和分布，我们可以了解融合模型预测误差的集中程度和离散情况。比如，如果直方图呈现近似正态分布，说明误差分布相对稳定；若存在长尾或异常值，可能表示模型在某些情况下预测效果不佳，需要进一步分析和改进。 

横坐标为预测误差，纵坐标是误差出现的频率。图中显示，大部分误差集中在 0 附近，说明融合模型的预测值与真实值较为接近，模型预测效果较好 ，仅有少量误差分布在远离 0 的两侧，表明模型在少数情况下会出现较大偏差 。 

6. 算法优化点与调参流程

融合策略优化

• 加权系数调优：可运用网格搜索或交叉验证等方法，对加权系数alpha进行精细调节，以找出能使融合模型性能最优的取值。
• 堆叠（Stacking）：在融合模型中，尝试采用更复杂的回归器，如 XGBoost、Lasso 等，取代简单的线性回归或小型 MLP，从而更精准地学习不同模型间的最优组合方式。

调参流程

• 基线评估：率先针对单独的 Transformer 模型和随机森林（RF）模型进行调参，确定它们各自的基础性能表现，为后续融合模型的优化提供参照。
• 组合调参：在明确基线模型性能的前提下，对加权系数alpha进行调节，优化加权平均融合效果；或者引入堆叠模型，进一步挖掘提升模型整体性能的潜力。
• 交叉验证：在模型训练阶段，采用 k 折交叉验证法，全面评估模型的泛化能力，确保模型在不同数据子集上都能有稳定的表现。
• 模型监控与调整：密切关注训练过程中损失值的变化情况，依据变化趋势，及时、适当地调整模型结构或超参数，使模型始终保持良好的训练状态。

本案例完整呈现了基于 Transformer 与随机森林的多变量时间序列预测过程，涵盖数据生成、模型训练、评估以及优化等各个环节。通过数据可视化和模型分析，我们能够深入理解模型的实际表现，并据此对模型进行针对性的调整与优化。