使用DotNet ForecastBySsa预测简单序列结果异常的问题排查

问题概述 #

使用ML.NET的Microsoft.ML.Transforms.TimeSeries模块实现时间序列预测，以1_{1000的递增序列为训练集，尝试预测15}24后续值时得到完全错误的负数值结果，调整训练数据量、windowSize/seriesLength/horizon等参数后问题仍存在。

核心错误原因 #

1. 数据逻辑完全错误
   训练集是1_{1000的递增序列，评估却用15}24的片段——SSA模型依赖连续的历史序列上下文生成预测，训练完成后模型的历史窗口停留在1000，此时输入15~24这种和训练末尾脱节的片段，模型无法生成合理预测。

2. 预测流程逻辑错误
   原代码中Forecast方法直接调用forecaster.Predict()后，用预测数组索引对应评估数据的每一行，但TimeSeriesPredictionEngine.Predict()是基于当前维护的历史窗口生成预测，而非一次性匹配评估数据集的所有条目；且未先将训练集的历史数据灌入预测引擎，导致模型用训练初期的窗口状态生成预测。

3. 评估方法逻辑错误
   Evaluate方法中调用model.Transform(testData)完全不符合SSA模型的评估逻辑——SSA的Transform需要输入连续的历史序列，而非孤立的片段，无法生成对应评估数据的有效预测值。

修正方案 #

1. 调整数据逻辑，使用连续序列评估 #

训练完成后，应基于训练集的末尾序列做预测，比如预测1001~1010的数值，再和真实值对比，而非回头预测训练集开头的片段。

2. 修正预测流程 #

TimeSeriesPredictionEngine需要先灌入历史数据更新滑动窗口，再生成预测。关键修正如下：

public void TimeSeries()
{
    string rootDir = Path.GetFullPath(Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "../../../"));
    string modelPath = Path.Combine(rootDir, "MLModel.zip");
    List<TestInputData> training = new List<TestInputData>();
    for (int i = 1; i <= 1000; i++)
        training.Add(new TestInputData(i));
    // 评估用训练集后续的连续真实值：1001-1010
    List<TestInputData> evaluation = new List<TestInputData>();
    for (int i = 1001; i <= 1010; i++)
        evaluation.Add(new TestInputData(i));

    MLContext mLContext = new MLContext();
    IDataView trainingData = mLContext.Data.LoadFromEnumerable<TestInputData>(training);

    var forecastingPipeline = mLContext.Forecasting.ForecastBySsa(
        outputColumnName: "result", inputColumnName: "input", windowSize: 20, seriesLength: 50, 
        trainSize: training.Count, horizon: 10, confidenceLevel: 0.95f, 
        confidenceLowerBoundColumn: "confidenceLowerBound", confidenceUpperBoundColumn: "confidenceUpperBound");

    SsaForecastingTransformer forecaster = forecastingPipeline.Fit(trainingData);

    var forecastEngine = forecaster.CreateTimeSeriesEngine<TestInputData, TestResultData>(mLContext);
    // 将训练集所有数据灌入引擎，更新滑动窗口到训练集末尾
    foreach (var dataPoint in training)
    {
        forecastEngine.Predict(dataPoint);
    }
    forecastEngine.CheckPoint(mLContext, modelPath);

    // 生成10步预测
    TestResultData forecast = forecastEngine.Predict();

    // 对比预测值与真实值
    Console.WriteLine("Forecast vs Actual");
    Console.WriteLine("---------------------");
    for (int i = 0; i < 10; i++)
    {
        float actualValue = evaluation[i].input;
        float predictedValue = forecast.result[i];
        Console.WriteLine($"Actual: {actualValue}, Forecast: {predictedValue:F2}");
    }
}

3. 参数设置建议 #

• seriesLength：对于递增趋势序列，建议设置为30~100，让模型有效捕捉趋势；若存在周期，设置为周期长度
• windowSize：一般取seriesLength的1/3~1/2，比如seriesLength=50时设置为20
• horizon：不要超过seriesLength的1/2，避免预测偏差过大

4. 修正评估逻辑 #

正确的评估流程应该是：

1. 用训练集的前N个数据训练模型
2. 灌入训练集的后续数据到预测引擎，生成预测值
3. 将预测值与对应位置的真实值对比计算指标

示例评估方法：

private void Evaluate(List<TestInputData> training, List<TestInputData> evaluation, TimeSeriesPredictionEngine<TestInputData, TestResultData> forecastEngine)
{
    // 灌入训练集数据到引擎
    foreach (var data in training)
    {
        forecastEngine.Predict(data);
    }

    List<float> actualValues = evaluation.Select(d => d.input).ToList();
    List<float> predictedValues = new List<float>();

    // 逐步预测并记录结果
    for (int i = 0; i < evaluation.Count; i++)
    {
        var forecast = forecastEngine.Predict();
        predictedValues.Add(forecast.result[0]);
        // 将真实值灌入引擎，用于下一次预测
        forecastEngine.Predict(evaluation[i]);
    }

    // 计算指标
    var metrics = actualValues.Zip(predictedValues, (actual, pred) => actual - pred);
    var MAE = metrics.Average(error => Math.Abs(error));
    var RMSE = Math.Sqrt(metrics.Average(error => Math.Pow(error, 2)));

    Console.WriteLine("Evaluation Metrics");
    Console.WriteLine("---------------------");
    Console.WriteLine($"Mean Absolute Error: {MAE:F3}");
    Console.WriteLine($"Root Mean Squared Error: {RMSE:F3}\n");
}

内容的提问来源于stack exchange，提问作者Andreas