简介：面向时间序列预测与深度学习入门者，这份资源以 LSTM 多输入多输出建模为核心，覆盖从 CSV/Excel 数据读取、预处理到模型训练与预测的完整流程，适合需要处理多变量时序数据的开发者和研究人员。压缩包共 126 个文件，大小 5.12MB，包括 75 个 Python 脚本、26 个 CSV 数据文件、15 个 TXT 说明文档，以及 checkpoint、h5、meta、index 等模型存档文件，其中 Python 脚本覆盖数据清洗、特征处理、模型搭建与评估，CSV 文件提供多变量序列数据，便于对照学习项目组织方式。资源已有 3855 人学习下载，内容预览可见空气质量等多变量示例数据集，读者可借助完整代码与说明快速复现多输入输出预测流程，并参考其中数据预处理与 LSTM 调参思路，迁移到天气、电力等真实场景。
1. 多输入输出 LSTM 时间序列预测：多变量多步怎么组工程
做 LSTM 多输入输出时间序列预测这两年，我最大的感受是：模型结构从来不是瓶颈，数据怎么切窗、多输出怎么对齐、损失怎么配比才是。同一份设备监测数据，别人在验证集上 MAPE 只有 4%，你换个切窗方式跑，输出直接变成上一周期的复读机。这套资源是一条完整的多输入多输出 LSTM 预测工程链路：输入多路传感器特征，一次输出未来多个时刻的多个变量，从滑窗构造、多任务输出、训练调参到部署反归一化全部可复现。适合正在做多变量预报、多步预测或设备趋势推断的深度学习从业者。新手能照着一步步跑出曲线，熟手能直接对照参数边界和踩过的坑。
2. 数据切窗与特征对齐：把多输入多输出时序改写成监督学习
LSTM 本身不会"理解时间"，你喂进去的是一个形状为 (样本数, 时间步, 特征数) 的三维张量。多输入指的是特征维不止一路，多输出指的是标签维有多个变量，且每个变量还要覆盖多个未来时刻。所以动手写模型之前，第一件事是把原始二维序列改造成监督学习格式。这一步做得对不对，直接决定后面所有工作的上限。
2.1 先定 input_steps 和 output_steps，再谈网络结构
滑窗有三个参数要一起定：input_steps 是看多长的历史窗口，output_steps 是一次要预测多远，滑动步长 step 是每两个样本之间错开几行。
按 15 分钟采样的压缩机监测数据来说，我一般这么定：input_steps=96，正好覆盖过去 24 小时，模型能看到完整的日周期；output_steps=24，预测未来 6 个小时的趋势；step=1，样本量最大化。如果数据量大、训练太慢，再考虑把 step 调到 output_steps，相当于对历史做了下采样，样本之间不再有重叠，训练集可以缩小到原来的几分之一。
两个边界经验务必记住。一是 input_steps 不是越长越好，超过一定长度后，LSTM 对久远信息的记忆会被内部门控稀释，训练时间却线性增长。先按业务周期定：有日周期就至少覆盖 24 小时，有周周期再考虑加 168 个点。二是 output_steps 越大，直接多步预测的难度越高，末端时刻的误差明显大于前端，如果业务只需要未来一个时刻，别硬扩到 24 步，预测目标和业务口径对齐才是第一位的。
2.2 多输入特征对齐：label 从哪个时刻开始取
切窗最容易翻车的是对齐偏移：X 取了 [i, i+input_steps)，y 却取了 [i+input_steps-1, i+input_steps+output_steps-1)。看起来只差一个点，实际上把当前时刻的目标值泄进了输入窗口，模型学到的是"抄作业"而不是预测。
另一个对齐问题是多输出标签的组织方式。两个选择：把多个变量的未来序列拉平成一个大向量，或者每个变量单独保留一个 (样本数, output_steps) 的标签数组。我推荐后者，因为后面配置 loss_weights、单独监控每个变量误差都会方便很多。
另外注意，多输入不只是传感器数值列，还包括工况状态这种离散变量，比如压缩机的加载/卸载标志，做 one-hot 后拼进特征维即可，不需要单独建输入层。外部输入特征，比如环境温度这类独立采集变量，归一化后照样拼进特征矩阵，模型自己学它们的贡献。千万别把时间戳当特征直接喂进去，时间戳的数值在归一化前后含义完全不同，模型很容易记住位置信息导致过拟合。
2.3 滑窗生成代码与训练集划分
下面这段是我一直用的切窗函数，直接把 (T, n_features) 的原始数据切成 LSTM 输入输出样本：
import numpy as np def make_windows(data, input_steps, output_steps, target_indices): """把二维时序数据切成 LSTM 样本。 data: (总时刻数, 特征数) input_steps: 看多少历史时刻 output_steps: 预测多少未来时刻 target_indices: 需要预测的列号列表，比如 [0, 2, 5] """ X = [] y = [[] for _ in range(len(target_indices))] total = len(data) - input_steps - output_steps + 1 for i in range(total): X.append(data[i:i + input_steps]) for j, col in enumerate(target_indices): y[j].append(data[i + input_steps:i + input_steps + output_steps, col]) return np.array(X), [np.array(a) for a in y]关键点是 y 的起点用i + input_steps，从输入窗口结束之后的第一个时刻开始取，保证输入输出窗口不重叠。返回的 X 形状是 (样本数, input_steps, 特征数)，y 是 n_targets 个形状为 (样本数, output_steps) 的数组，正好对应后面每个输出头。
切完窗必须按时间顺序划分，不能用随机划分：
n = len(X) n_train = int(n * 0.7) n_val = int(n * 0.15) X_train, y_train = X[:n_train], [a[:n_train] for a in y] X_val, y_val = X[n_train:n_train + n_val], [a[n_train:n_train + n_val] for a in y] X_test, y_test = X[n_train + n_val:], [a[n_train + n_val:] for a in y]之前有个项目里，同事用 train_test_split 默认的随机打乱，验证集 loss 看着正常，一到真实滚动预测全崩。时序样本之间本来就有重叠，随机划分等于让模型在训练时偷看了验证分布，这个问题在第 5 章会专门展开。
归一化这里也要谨慎，只对训练集 fit，验证和测试集复用同一套统计量：
from sklearn.preprocessing import StandardScaler def fit_scale(X_train, X_val, X_test): """按特征维做标准化，只用训练集统计量。""" n_features = X_train.shape[-1] scaler = StandardScaler().fit(X_train.reshape(-1, n_features)) X_train = scaler.transform(X_train.reshape(-1, n_features)).reshape(X_train.shape) X_val = scaler.transform(X_val.reshape(-1, n_features)).reshape(X_val.shape) X_test = scaler.transform(X_test.reshape(-1, n_features)).reshape(X_test.shape) return X_train, X_val, X_test, scaler参数说明：reshape(-1, n_features) 把时间维和样本维合并，按特征列计算均值和方差，再还原成原来的三维结构。这个 scaler 要存下来，后面预测完反归一化还要用它。y 的归一化单独做，不要用 X 的 scaler，目标变量的量纲和输入特征可能差出几十倍。
3. 模型结构：从单层 LSTM 到多输出头的组装细节
数据准备好之后，模型本身的决策点其实只剩四个：用几层 LSTM、每层多少个单元、输出层怎么接、要不要 Dropout。这一章把每个决策点背后的理由讲清楚，而不是直接甩一段能跑的代码。
3.1 单层还是堆叠：按样本量定容量
样本量在几千这个量级时，单层 LSTM 加 64 个单元基本够用。时序数据的信息密度比图像低，堆叠 LSTM 的收益来自更高层抽象特征的提取，比如第一层学短期波动模式，第二层学这些模式的组合关系。但堆叠的代价是参数翻倍，训练集只有两三万样本时很容易过拟合。
我的经验是先用单层 64 跑通基线，然后对比训练 loss 和验证 loss 的差距：如果训练 loss 远低于验证 loss，说明容量过剩，优先加 Dropout 或减少单元数，而不是盲目加层；如果两边都高，说明欠拟合，这时候再考虑堆叠第二层。
一个经常被忽略的细节：多层 LSTM 之间，前几层必须设置 return_sequences=True，否则第二层收不到时间维度，直接报形状错误。最后一层 return_sequences=False，只输出最后一个时间步的隐状态，再接 Dense 输出层。注意，"最后一个时间步的隐状态"不等于"只有最后一个时刻的信息"，LSTM 的隐状态已经在时间维度上做了聚合，整个输入窗口的信息都在里面。
3.2 多输出头：分开接还是拼成一个向量
多输出的实现有两种主流方式。第一种是共享 LSTM 特征，每个输出变量单独接一个 Dense 头，每个头输出 output_steps 个时刻的值。第二种是 LSTM 之后接一个 Dense 层，输出 n_targets * output_steps 个节点，再 reshape 成 (样本数, output_steps, n_targets)。
我倾向第一种，理由很实际。每个头可以单独命名，训练时单独看每个变量的 loss；某一路传感器坏了，可以用 mask 屏蔽对应 head 的 loss，不影响其它输出分支。第二种方式代码短，但所有变量的输出挤在同一个全连接层里，权重更新互相竞争，后面调 loss_weights 的灵活性差很多。
如果多个输出变量之间存在强耦合，比如温度升高时振动幅值同步变大，还有一个做法：在共享隐状态上再接一个 16 单元的中间 Dense 层，再分头输出。这个中间的共享层能让小样本变量借用大样本变量的表征能力，数据量小时提升尤其明显。
3.3 模型定义与形状核对
from tensorflow.keras.models import Model from tensorflow.keras.layers import Input, LSTM, Dense, Dropout input_steps = 96 # 历史窗口长度 n_features = 8 # 传感器 + 工况特征数 output_steps = 24 # 预测未来 24 个时刻 inputs = Input(shape=(input_steps, n_features)) x = LSTM(64, return_sequences=True)(inputs) x = Dropout(0.2)(x) x = LSTM(32, return_sequences=False)(x) x = Dropout(0.2)(x) # 每个输出变量一个 Dense 头 out_temp = Dense(output_steps, activation='linear', name='temp')(x) out_vib = Dense(output_steps, activation='linear', name='vib')(x) out_curr = Dense(output_steps, activation='linear', name='curr')(x) model = Model(inputs=inputs, outputs=[out_temp, out_vib, out_curr]) model.summary()形状核对：inputs 是 (batch, 96, 8)；第一层 LSTM 因为 return_sequences=True，输出 (batch, 96, 64)；第二层输出 (batch, 32)；三个 Dense 头各输出 (batch, 24)。也就是说每个头直接输出该变量未来 24 个时刻的预测值，训练和推理都是单次前向，没有误差递归。
参数说明：
- Dropout 放在 LSTM 层之间，比放在 Dense 之后更有效，时序任务的过拟合主要发生在隐状态的传递过程。
- activation='linear' 是因为回归输出没有上下界。如果业务指标有明确物理范围，比如电流不可能为负，可以换成 ReLU 或 sigmoid 加缩放，但一般场景线性激活足矣。
- 输出层 name 必须和之后 compile 的 loss_weights 字典 key 一一对应，这是多输出模型最常见的低级报错来源。
compile 阶段的多输出配置：
import tensorflow as tf model.compile( optimizer=tf.keras.optimizers.Adam(learning_rate=1e-3), loss={'temp': 'mse', 'vib': 'mse', 'curr': 'mse'}, loss_weights={'temp': 0.4, 'vib': 0.3, 'curr': 0.3}, )loss_weights 的含义是总损失等于 0.4 乘温度 mse 加上 0.3 乘振动 mse 再加上 0.3 乘电流 mse。这个配比不是拍脑袋写的，它背后是归一化后的残差量级和业务重要性的折中，下一章细说。
注意：如果运行时报 "Unknown loss function" 或者 key 不匹配，先检查输出层的 name 和 compile 的字典 key 是否拼写一致，这是 Keras 多输出模型最常见的低级报错。
4. 训练策略：验证集划分、损失配比和早停参数
同样一套模型代码，训练策略不同，结果能差出一倍。这一章讲三个点，都是我在多个项目里反复验证过的：验证集必须按时间连续切块、损失权重必须放在归一化之后谈、早停参数必须给足耐心。
4.1 验证集为什么必须是时间上连续的尾部块
时序问题里随机划分验证集是隐患最大的操作。时序样本之间不是独立的，随机抽样意味着验证集里混进了"未来"的信息，模型训练过程实际上已经见过接近验证分布的样本，val_loss 会系统性偏低。
正确的做法是第 2 章那样的按时间切块：训练集用最早 70%，验证集用接下来 15%，测试集用最后 15% 的真实历史数据。另一个细节是不要在切窗之前划分原始数据，要在切窗之后划分，因为 step=1 时相邻样本有 95/96 的重叠，先切后分才能精确控制每个样本的时间归属。
还有一个容易漏掉的重点：验证集不能和训练集有重叠窗口。如果 step=1 时切分点恰好落在 i 处，训练集最后一个样本的输入窗口可能跨过切分边界，偷看到验证集的开始部分。保险做法是在切分边界两侧各裁掉 output_steps 行样本，确保训练、验证、测试三部分的输入窗口完全互不重叠。
4.2 损失配比必须放在归一化之后谈
上一章给了 loss_weights = {temp: 0.4, vib: 0.3, curr: 0.3}。这个配比成立的前提是三个输出变量都做了标准化。如果不归一化，排气温度量纲是几百、振动幅值几十、电流几安培，mse 算出来差两三个数量级，loss_weights 怎么配都没用，模型会把全部容量压在量纲最大的变量上。
我的习惯是：X 和 y 分别做 z-score 标准化，让三个输出变量的方差都归一化到 1，然后 loss_weights 按业务重要性配。如果三个输出都稳定在 [0,1] 附近波动，等权重也行。更稳的做法是先用等权重跑一轮，记录每个 head 在验证集上的 mae，再往误差大且业务重要的方向调权重。
这里给一个实操技巧：给每个输出头配一个平均绝对误差作为监控指标，不要只看总 val_loss，总 loss 是多个头的加权和，某个头的误差被另一个头掩盖是常有的事。
model.compile( optimizer=tf.keras.optimizers.Adam(learning_rate=1e-3), loss={'temp': 'mse', 'vib': 'mse', 'curr': 'mse'}, loss_weights={'temp': 0.4, 'vib': 0.3, 'curr': 0.3}, metrics={'temp': 'mae', 'vib': 'mae', 'curr': 'mae'} )metrics 写成字典后，训练日志里会单独出现 temp_mae、vib_mae、curr_mae 三列，哪一路变量学崩了一目了然，不用自己手动从 y_hat 里拆分支去算。
4.3 早停、学习率衰减和 batch_size 的工程参数
from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau from tensorflow.keras.optimizers import Adam early_stop = EarlyStopping( monitor='val_loss', patience=15, restore_best_weights=True ) reduce_lr = ReduceLROnPlateau( monitor='val_loss', factor=0.5, patience=5, min_lr=1e-5 ) history = model.fit( X_train, y_train, validation_data=(X_val, y_val), epochs=200, batch_size=64, callbacks=[early_stop, reduce_lr], verbose=1 )参数说明：
- patience=15 表示连续 15 个 epoch 验证损失不改善就停。LSTM 的 loss 曲线经常会有 5 到 10 个 epoch 的平坦期，patience 给太小，容易在半山腰就停下，后面那段才是真正收敛的地方。
- restore_best_weights=True 会把参数回滚到验证 loss 最低的那个 epoch，相当于给训练买了后悔药，不用自己手动存权重。
- reduce_lr 的 factor=0.5、patience=5，意思是连续 5 轮不下降就把学习率减半，配合早停能在平坦期附近多挖一段。
- batch_size=64 在几万样本下是一个保守值。LSTM 是逐时间步展开的，batch 太大会同时推高显存占用和单轮耗时，收益却有限。
如果训练到 200 轮还没触发早停，先别急着加轮数，检查是不是学习率太大导致 loss 震荡。一个有效手段是把 Adam 初始学习率从 1e-3 降到 3e-4，很多时序任务的初始学习率就是需要比图像任务更小才稳。
5. 多输出 LSTM 的五个常见坑：数据泄漏、平移预测和 loss 失衡
这章写的是我在真实项目里踩过的坑，每一条都按现象、原因、解决的顺序整理。多输出时序预测的翻车点高度集中在这五个地方，照着排查能省下一整周的调参时间。
5.1 验证集 loss 很低，预测曲线却像上一段的平移
现象：训练和验证损失都降得很漂亮，把测试集的预测曲线画出来，明显比真实曲线"晚"了一个窗口，形状几乎没变化。
原因：切窗时 label 起点取错，把i + input_steps写成了i + input_steps - 1，导致输入窗口最后一个时刻和目标第一个时刻是同一个点。模型只需要复制输入末尾的值就能把 loss 压到接近零，本质上是在抄答案，不是在预测。
解决：严格检查 make_windows 里 y 的切片起点。另外要区分另一类"看着像平移"的问题：归一化后反变换时用错了 scaler 的统计量，还原出来的曲线也会出现整体偏移。前者改切窗，后者换 scaler，排错路径完全不同。
5.2 随机打乱训练样本，验证集测试集全崩
现象：训练集 loss 稳步下降，但 val_loss 高得离谱，测试集预测几乎是一条水平线。
原因：用 train_test_split 默认的 shuffle=True，或者自己手动把打乱了时间顺序的数据喂进模型。LSTM 的梯度沿时间反向传播，batch 内样本来自不连续的时间段，模型学到的隐状态初始化条件互相矛盾，梯度方向来回打架。
解决：按第 2 章的切块方式严格保持时间顺序，shuffle=False。如果出于某种原因确实需要随机化，也要保证整个时间窗口作为整体移动，而不是把时刻顺序打散，后者会直接破坏样本内部的时间依赖。
5.3 归一化泄漏：用了全量数据的均值和方差
现象：离线评估指标不错，部署到线上跑第一条真实数据，输出立刻离谱。
原因：StandardScaler 在包含验证集和测试集的全体数据上 fit，测试集的均值和方差参与了训练时的数据变换，等价于让模型提前见过未来的分布。线上的新数据分布和训练时的"假分布"对不上，预测自然崩。
解决：只对训练集 fit scaler，验证、测试集只做 transform。部署时把训练集的统计量持久化成文件，预测完用同一套统计量反归一化。这条和第 4 章是同一件事的两面，本质都是守住"未来信息不能参与训练"这条红线。
5.4 多输出 loss 权重失衡，量纲小的变量被忽略
现象：三个头汇总的训练 loss 看起来正常，但单独看某个量纲较小的输出，残差一直降不下来。
原因：没做归一化直接对原始量纲算 mse。量纲几百的变量贡献了绝大部分 loss，梯度几乎全部流向它的分支，量纲小的变量成了被遗忘的孤儿。
解决：先把 y 的每个变量标准化到同一量纲，再配 loss_weights。配好之后用 metrics 里的单独 mae 验证每个头都真正收敛，如果小量纲变量的 mae 始终不动，优先检查是不是归一化被跳过了。
5.5 递归预测 48 步后误差大到不能用
现象：单步预测 MAPE 3%，改成滚动预测后，到第 48 步 MAPE 超过 20%，误差近似指数增长。
原因：滚动预测把模型自己的输出当作下一步的输入，误差逐级累积。LSTM 是在训练分布上学到的映射，输入一旦偏离训练分布，内部状态很快失控，误差滚雪球。
解决：训练时用直接多步输出，一个前向一次给 24 步，不要做 24 次单步递归。如果业务确实需要 48 步以上，两个方向：一是把 output_steps 扩到 48 重建数据，代价是远端误差偏大；二是训练时用 scheduled sampling 随机混入模型自己的预测值，增强对误差的鲁棒性。绝大多数工程场景我会选前者，简单可控，后续滚动边界在第 6 章讲。
6. 预测值还原：反归一化、滚动预测边界与结果验证
模型输出的是标准化空间的值，要落到业务指标上必须反归一化。这一步看似简单，实际操作里有一半的"模型不准"其实是还原环节出错。
y_hat = model.predict(X_test) temp_pred = temp_scaler.inverse_transform(y_hat[0]) vib_pred = vib_scaler.inverse_transform(y_hat[1]) curr_pred = curr_scaler.inverse_transform(y_hat[2])参数说明：temp_scaler 是第 2 章对 y 单独 fit 的 StandardScaler，inverse_transform 把标准化值还原回原始量纲。y_hat[0] 对应 temp 头，形状是 (样本数, output_steps)，每一行是这个时间窗口未来 24 个时刻的预测序列，可以按时间轴直接拼接成完整预测曲线。
直接多步输出之外，还有一种混合方案适合更长预测周期：先用模型预测 output_steps 步，如果需要更远的未来，把刚才预测出的最后一段值作为已知特征，重新组装输入窗口，再做一次前向预测。每滚动一次相当于把窗口整体前移 24 步，误差从第 25 步才开始累积，比逐点递归稳定很多。这个方案我一般用到 48 到 72 小时的业务预测，再往后就不建议了，误差累积会超过可接受范围。
最后一定做一步反向验证：取测试集第一段样本，把预测值和真实值画在同一张图上，同时把输入窗口末端的真实值也标出来。如果预测曲线和输入窗口末端衔接得上、整体趋势一致，说明切窗、归一化、反归一化整条链路是通的。如果衔接处有明显跳变，优先怀疑对齐或 scaler 用错了。从那以后我每次接手多输出时序工程，都会先花半小时走一遍这条数据链路验证，再碰模型参数，这套流程帮我挡掉了不少看似手段很玄学的"模型调优"，问题其实出在数据加工上。希望帮到你。
本文还有配套的精品资源，点击获取
