企业官网建设流程全解析

简介：这是一份面向Python开发者的EEMD-LSTM时间序列预测完整源码与数据集，项目将集成经验模态分解和长短时记忆网络相结合，可有效处理非平稳、非线性时间序列数据，适用于风速、负荷、交通流量等预测场景。压缩包内共3个文件，包括1个主程序文件以及2个csv格式的数据文件，整体大小仅47KB，结构精简但完整。代码采用参数化编程，几乎每一行都配有注释，清晰展示数据读取、EEMD分解、LSTM模型构建、训练与预测全过程，方便小白对照学习；环境基于Anaconda、PyCharm和TensorFlow搭建，修改参数或替换数据即可迁移到其他实际任务。该资源适合计算机、电子信息、数学等专业学生用于课程设计、期末大作业或毕业设计，也适合入门深度学习时序建模的读者，目前已有383人学习下载，轻量而实用，具有很好的参考与扩展价值。

1. 为什么 EEMD-LSTM 会比单一 LSTM 更能打

拿焦作.csv 这种以小时为粒度的监测序列直接喂给 LSTM，收敛慢，预测到突变点时基本是跟着上一时刻的值平移，峰值明显滞后。原因是趋势、周期、随机扰动三种成分叠在一起，门控单元难以同时拟合多尺度信息，梯度反而被高频抖动干扰。

EEMD 先把序列拆成从高频到低频的多个 IMF 和一个残差趋势项，每个分量尺度相对单一，再交给 LSTM 逐个建模，最后把各分量预测叠加还原。这套"分解-预测-重构"结构在时间序列预测里很通用，适合课程设计、期末大作业和毕业设计，负荷预测、流量预测都能复用同一套代码骨架。

源码包里除了 EEMD-LSTM.py 还有两份 CSV 数据。入门的人看逐行注释就能跑通，有经验的人重点盯分解参数、窗口构造和重构对齐三处，这套方案最容易被改坏的地方全在这。

2. EEMD 分解原理与 PyEMD 实战：先把非平稳序列拆干净

2.1 模态混叠是怎么来的，EEMD 为什么有效

EMD 的核心操作是迭代地寻找上下包络、取包络均值、从原信号中筛出本征模态函数 IMF，分解结果天然按频率从高到低排列。但原始 EMD 有一个被反复吐槽的缺陷：模态混叠。一个 IMF 里同时出现时间尺度相差很大的成分，或者同一个尺度被切碎散落在多个 IMF 里，根源是原始信号里存在间歇性扰动，包络拟合被局部突变带偏。

EEMD 的思路很直接：单次分解对扰动敏感，那就人为加白噪声重复分解再平均。白噪声频谱在整个频带均匀分布，相当于给间歇性成分一个均匀的"底座"，多次试验后噪声在平均中相互抵消，剩下的是稳定的模态。正是这一步让 EEMD 在非平稳时间序列预测中大量替代了普通 EMD，也是这个源码把 EEMD 放在 LSTM 前面的原因。

两个核心参数决定分解质量。trials 是集成次数，也就是加噪后重复做 EMD 的次数，常见取值 50~200；次数太低噪声消不干净，每次运行得到的 IMF 都不一样。noise_width 是白噪声标准差与原始信号标准差的比值，取 0.05~0.2 比较常见；太小起不到抗混叠作用，太大会把白噪声残留在分解结果里。具体影响看下面这张表：

2.2 PyEMD 安装与核心分解代码

环境是 Anaconda + PyCharm + Python + TensorFlow。装 PyEMD 时有个坑：pip install pyemd装的是另一个完全不同的库，正确包名是EMD-signal，引入路径才是PyEMD。安装命令：

pip install EMD-signal

下面这段就是把焦作.csv 拆成 IMF 的完整逻辑：

# -*- coding: utf-8 -*- import numpy as np import pandas as pd from PyEMD import EEMD # 读取数据：焦作.csv 第一列是时间，第二列是要预测的监测值 df = pd.read_csv('焦作.csv', encoding='utf-8') series = df.iloc[:, 1].values.astype(float) # 构造 EEMD 分解器 eemd = EEMD(trials=100, noise_width=0.08) # trials=100：做 100 次加噪 EMD 再平均，模态更稳定 # noise_width=0.08：白噪声幅度取原信号标准差的 8% imfs = eemd.eemd(series) # 返回二维矩阵，形状为 (n_imf, len(series)) # 最后一行是残差趋势项，不是严格意义上的 IMF np.save('imfs.npy', imfs) print('IMFs shape:', imfs.shape)

读数据时建议先把 DataFrame 的列名打出来确认目标变量在第几列，有些 CSV 的列顺序和预期不一致会直接导致分解结果变成垃圾。eemd()返回的二维数组第一维是模态数量，第二维和原始序列等长，最后一行是残差。把残差也当 IMF 送进 LSTM 不是不行，但残差接近单调趋势，用 LSTM 建模收益很低，后面会专门说怎么处理。

2.3 IMF 筛选：不是每个分量都值得建模

分解完先别急着训练。把每个 IMF 的方差贡献率算一遍，能量占比极低的高频分量大多是噪声主导，预测它们既增加训练时间，又把抖动误差叠加进最终重构结果。我一般先筛掉贡献率低于 1% 的分量：

# 计算每个 IMF 的方差贡献率 energy = np.var(imfs, axis=1) ratio = energy / energy.sum() keep_idx = [k for k, r in enumerate(ratio) if r > 0.01] imfs_used = imfs[keep_idx] print('保留的 IMF 序号:', keep_idx)

筛选之后残差单独处理。常见做法是残差用一阶差分加线性外推，或者也走一遍 LSTM；如果训练集只有几百条，直接忽略残差只保留能量高的几个 IMF 也能接受，代价是趋势段的预测会略微偏移。先算方差贡献率再决定保留哪些分量，比凭眼睛看波形靠谱得多。

3. LSTM 预测器设计与 TensorFlow 参数细节

3.1 为什么分解之后仍然选 LSTM，而不是 ARIMA

分解把多尺度混叠拆开了，但每个 IMF 仍然是非平稳的调幅振荡。高频 IMF 的方差随时间变化，低频 IMF 的周期也在缓慢漂移，ARIMA 这类线性模型对调幅振荡的适应性很差。LSTM 的遗忘门在每个时间步决定保留多少历史信息，对"幅值在变、局部有规律"的信号拟合效率比纯线性模型高。

在 EEMD-LSTM 源码里，每个保留的 IMF 对应一个结构完全相同的 LSTM 模型，只是输入输出的尺度不同。这种"同构模型、独立训练"的设计优点是训练快、可以顺序跑不抢显存，也不存在多任务学习里常见的梯度相互干扰。每个模型学到的只是自己那个频段的时间依赖，最后相加时互不污染。

3.2 滑动窗口构造与归一化的顺序

LSTM 的输入是一个固定长度的窗口，窗口长度 lookback 决定模型能看到多长的历史。小时级数据取 12 或 24，能覆盖半天到一天的周期；如果是低频 IMF，可以适当加大。构造窗口的代码：

def make_windows(data, lookback): X, y = [], [] for i in range(lookback, len(data)): X.append(data[i - lookback:i]) # 前 lookback 个点作为特征 y.append(data[i]) # 当前点作为标签 return np.array(X), np.array(y)

归一化放在建窗之前，并且分 IMF 单独做。每个 IMF 的幅值差异很大，共用一个 MinMaxScaler 会让高频分量在数值上被压制。更关键的是fit只能用训练段数据：

from sklearn.preprocessing import MinMaxScaler split = 2400 # 训练/测试切分点，按行索引 scaler = MinMaxScaler() scaler.fit(imf[:split].reshape(-1, 1)) # 只用训练段算 min/max scaled = scaler.transform(imf.reshape(-1, 1)) # 再变换整段序列 X, y = make_windows(scaled.flatten(), lookback)

注意fit和transform的对象不能反过来。先在全序列上 fit 再切训练测试，等于把测试集的数值范围提前泄露给了 scaler，测试误差会被系统性低估。这种顺序问题在时间序列预测的复现里是最常见的失分点，代码能跑、损失在降，但实验结论不成立。

3.3 模型结构与参数速查表

每个 IMF 的模型用两层 LSTM 加 dropout，第一层返回完整序列给第二层，第二层只输出最后一个时间步的特征，最后接 Dense(1) 输出预测值：

from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout def build_lstm(lookback): model = Sequential([ LSTM(64, activation='tanh', return_sequences=True, input_shape=(lookback, 1)), Dropout(0.2), LSTM(32, activation='tanh', return_sequences=False), Dropout(0.2), Dense(1) ]) model.compile(optimizer='adam', loss='mse', metrics=['mae']) return model

第一层return_sequences=True是为了把每个时间步的隐状态都传给第二层；第二层return_sequences=False只保留最后一步，正好对应预测目标。激活函数保持 tanh 默认，LSTM 的循环计算对 tanh 的输出范围依赖很强，改成 relu 容易出现数值爆炸。

注意：每个 IMF 训练前都要重新初始化权重，不能复用上一个模态训练好的模型。不同 IMF 的统计特性差异很大，复用权重会把低频分量学到的时间依赖错误地带到高频分量上。

4. 焦作数据集的完整训练流程：分解、预测、重构

4.1 两份 CSV 的分工与数据预处理

压缩包里给了焦作.csv 和焦作全.csv 两份数据。常见分工是全量文件用于 EEMD 分解，短文件用于训练和测试。EEMD 存在端点效应，序列越短两端越不稳定，用全量序列做分解能明显减轻这个问题；分解完成后，按训练集的行范围截取对应的 IMF 片段再训练。

预处理先做缺失值和时间对齐。CSV 数据里偶尔有空值和重复时间戳，稳妥的做法是按时间列排序，再用前后两个有效值的线性插值填充空缺：

df = df.sort_values('time').reset_index(drop=True) df.iloc[:, 1] = df.iloc[:, 1].interpolate(method='linear')

interpolate默认就是线性插值，对监测类数据足够。不要用填充常数的方式补缺失，那会引入人为的阶梯，LSTM 会把阶梯当成真实的趋势去学习，预测段会出现台阶状误差。

4.2 分解—训练—预测主循环

把前面的逻辑串起来就是 EEMD-LSTM.py 的主循环。对每个保留的 IMF 独立完成归一化、建窗、训练、预测，最后把预测结果叠加：

lookback = 12 pred_parts = [] for k, imf in enumerate(imfs_used): # 每个 IMF 单独归一化，避免幅值差异互相压制 scaler = MinMaxScaler() scaler.fit(imf[:split].reshape(-1, 1)) scaled = scaler.transform(imf.reshape(-1, 1)).flatten() X, y = make_windows(scaled, lookback) # X[i] 用区间 [i-lookback, i-1] 预测第 i 个时刻 X_train, y_train = X[:split - lookback], y[:split - lookback] X_test, y_test = X[split - lookback:], y[split - lookback:] model = build_lstm(lookback) model.fit(X_train, y_train, epochs=40, batch_size=16, validation_split=0.1, verbose=0) model.save(f'lstm_imf_{k}.h5') # 每个 IMF 的模型单独存盘 pred_scaled = model.predict(X_test) pred = scaler.inverse_transform(pred_scaled).flatten() pred_parts.append(pred) print(f'IMF {k}: 训练完成') # 重构：各分量预测值直接相加 final_pred = np.sum(pred_parts, axis=0) y_true = y[split - lookback:]

注意切分索引。make_windows返回的 X[i] 对应的标签是 y[i]，也就是第 i 个时刻的真实值。训练段取到split - lookback之前，保证标签全部落在训练区间内；测试段从split - lookback开始，第一个测试窗口恰好使用训练段末尾的 lookback 个点，这是一步预测的正常用法，不算数据泄露。

4.3 重构结果的误差评估

叠加完成后用三个指标衡量，RMSE 对大幅误差敏感，MAE 反映平均偏差，R² 看整体拟合度：

from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score rmse = float(np.sqrt(mean_squared_error(y_true, final_pred))) mae = float(mean_absolute_error(y_true, final_pred)) r2 = float(r2_score(y_true, final_pred)) print(f'RMSE={rmse:.4f} MAE={mae:.4f} R2={r2:.4f}')

在焦作这类监测数据上，EEMD-LSTM 相对单一 LSTM 的改进主要体现在 RMSE 上，因为大幅度的趋势项被单独建模，峰值位置的误差比单一模型小。常见结果大致落在下面这个区间，具体数值随数据长度和划分方式浮动：

如果跑出来的改进不明显，先检查是不是跳过了 IMF 筛选。残差项的预测误差如果很大，叠加时会污染所有高频分量的成果，这是复现 EEMD-LSTM 效果不佳最常见的原因。

提示：分解步骤耗时且带随机性，imfs_used存成 .npy 后在调模型参数阶段就不用重新分解了。

5. 调参技巧与三种验证方法

调参时先动分解参数还是模型参数？我的答案很明确：先动分解。下面三个验证手段能帮你在动手训练之前就把问题定位到具体环节。

5.1 分解参数的两个坑

noise_width 取到 0.2 以上时，白噪声会残留在 IMF 里，分解结果看起来平滑，但重构回去和原序列的误差变大。我判断噪声是否残留的方法是：把全部 IMF 加回来看重构误差，如果和原序列的 RMSE 超过原序列标准差的 2%，说明噪声占比偏高，把 noise_width 往 0.05~0.1 调。trials 低于 50 时，两次运行的 IMF 数量可能不一致，结果不可复现；正式实验用 100 起步，时间允许就上 200。

5.2 验证一：重构残差检查分解是否彻底

分解完先做一次重构验证，再谈模型：

reconstruct = np.sum(imfs_used, axis=0) residual = series[:len(reconstruct)] - reconstruct print('重构 RMSE:', np.sqrt(np.mean(residual ** 2)))

如果重构误差已经很大，后面所有预测分析都没有意义，问题一定出在分解阶段，而不是 LSTM。这一步 10 秒跑完，能省下大量排查模型的时间。

5.3 验证二：单步预测的逐点稳定性

模型跑通后，把每个 IMF 的预测按时间画子图，观察高频 IMF 的预测线是围绕真实线小幅抖动，还是整体偏移。如果某个 IMF 的误差远大于其他 IMF，单独对这个分量加大 lookback 或降低学习率重训，不要动全局参数。高频分量对 lookback 更敏感，低频分量对学习率更敏感，这个规律在分解粒度越细时越明显。

5.4 验证三：固定随机种子做可复现对比

对比 EEMD-LSTM 和单一 LSTM 时，先用tf.random.set_seed(42)固定种子，再跑三次取平均。LSTM 初始化是随机的，不加种子得到的对比结论很可能是噪声。另外把每个分量的预测结果存成单独一列 CSV，最后对比单个分量的 RMSE，能快速定位误差集中在哪个频率段，再针对性调整那个分量对应的模型参数。

EEMD-LSTM 的调参优先级是：分解参数先于模型参数，IMF 筛选先于层数堆叠。多数项目的问题不是 LSTM 不够深，而是分解质量不够干净。

本文还有配套的精品资源，点击获取