时间序列分析：Prophet/LSTM预测实战培训课程-曙海培训中心

时间序列分析：Prophet/LSTM预测实战培训课程

•  

• 培训对象： 数据分析师、预测算法工程师、供应链/金融/运维领域的时序预测从业者。

•  

• 培训目标：

  • 理解时间序列的基本概念（趋势、季节性、周期、噪声）。

  • 掌握Prophet模型的使用和调优方法。

  • 能够使用LSTM等深度学习模型进行时序预测。

  • 具备多步预测和模型评估能力。

•  

• 培训内容介绍：

•  

  一、 时间序列基础与分解： 理解时间序列的组成部分（趋势、季节性、残差），使用STL分解进行成分分离。

  二、 平稳性与差分处理： 理解平稳性概念，使用ADF检验判断序列平稳性，应用差分使其平稳。

  三、 自相关与偏自相关分析： 使用ACF和PACF图识别序列的自相关结构，为ARIMA模型定阶。

  四、 ARIMA模型实战： 建立ARIMA模型进行预测，使用auto_arima自动选择最优参数，评估预测效果。

  五、 Prophet模型原理： 了解Facebook Prophet的分解式模型结构，理解其处理节假日和突变点的机制。

  六、 Prophet使用与调优： 使用Prophet拟合时序数据，添加节假日效应，调整季节性和趋势参数。

  七、 Prophet异常检测： 利用Prophet预测区间识别异常点，监控业务指标异常波动。

  八、 LSTM时序预测原理： 理解循环神经网络如何处理时序依赖，构建LSTM模型进行单步预测。

  九、 LSTM多步预测策略： 实现直接多步预测、递归多步预测和多输出预测，对比效果。

  十、 特征工程与时序嵌入： 构建时间特征（小时、星期、月份）、滞后特征和滚动统计特征提升预测精度。

  十一、 模型评估与对比： 使用MAE、RMSE、MAPE等指标评估模型，对比传统方法与深度学习方法的效果。

  十二、 实战项目：业务指标预测系统： 针对具体业务（销量预测、流量预测、电力负荷预测）开发完整的时序预测系统。