RNNBasedTimeSeriesModel

RNNBasedTimeSeriesModel 是基于 RNN 结构实现的神经网络模型，常用于时间序列场景的数据预测。

输入数据格式

时间序列场景的数据通常会存储在数据库系统中，例如下面是某 APP 历史流量数据，包括 PV/UV 这两个统计维度，date_str 列是日期列。

在开始训练/预测之前，按要求需要将上述原始数据处理为按行存储的滑动窗口数据。举例来说，我们希望根据历史 3 天的 PV, UV 数据预测未来 2 天的 PV 数据，预处理后的数据如下所示：

预处理的 SQL 程序见：常用预处理方法–滑动窗口

模型参数

业务相关

下列参数和业务场景密切相关，需要密切关注：

1. model.n_in=N, 其中 N >= 1, 表示使用的 N 天的历史数据.
2. model.n_out=N, 其中 N >= 1, 表示预测未来 N 天的趋势
3. model.n_features=N, 其中 N>=1, 表示使用 N 个特征作为训练数据，在上述例子中，因为使用了 PV，UV 两个特征，所以此值为 2。

效果相关

下列参数在调优效果时，一般会用到：

1. model.stack_units=[128,256], 神经网络中隐层神经元的数量，默认值[128, 256], 通常增加神经元数量会使效果有所提升，同时训练速度降低。
2. train.epochs=N, 其中 N >= 1, 表示完整的数据集在神经网络中传递 N 次, 默认为 10。可以观察每个 epoch 的训练效果，如果跨度较大，可以调大此参数增加数据在神经网络中传递的次数，直至效果收敛。
3. train.batch_size=N, 其中 N >= 1, 默认值为 8。完整的数据集如果不能一次性的通过整个网络时，需要将其切成几个小的 batch，每个 batch 包含 N 个样本。

模型验证

1. train.validation='SELECT ...', 通过 SELECT 子句选取验证集，注意和训练集的列名，字段类型要保持一致。
2. train.metrics='MeanAbsoluteError, MeanAbsolutePercentageError, MeanSquaredError', 表示验证模型时使用的口径,其中：
   • MeanAbsoluteError 表示平均绝对误差。
   • MeanAbsolutePercentageError 表示平均绝对误差的百分比。
   • MeanSquaredError 表示平均相对误差。

常用的数据预处理方法

滑动窗口

CREATE TABLE tmp_train AS
  SELECT
    date_str,
    uv AS uv1,
    pv AS pv1,
    LEAD(uv, 1) OVER (ORDER BY date_str) AS uv2,
    LEAD(pv, 1) OVER (ORDER BY date_str) AS pv2,
    LEAD(uv, 2) OVER (ORDER BY date_str) AS uv3,
    LEAD(pv, 2) OVER (ORDER BY date_str) AS pv3,
    CONCAT_WS(",",
            LEAD(pv, 3) OVER (ORDER BY date_str),
            LEAD(pv, 4) OVER (ORDER BY date_str)) AS target
  FROM app_traffic;

应用案例

• GEFCom2014 Energy Forecasting