时序预测任务

多时间序列预测适用于同一数据集中包含多个独立序列的场景。例如，企业可以按照产品和区域划分销售序列，利用各序列的历史日销量预测未来销量，为备货、排产和区域资源配置提供数据参考。

本教程使用 02_多时间序列_规则日频.xlsx，以 product_id 和 region_id 共同标识不同销量序列，以 event_time 作为时间变量、target_sales 作为目标变量，建立未来 5 天的日销量预测模型。

导入训练数据

进入已创建的项目后，在「流程」中点击右上角【导入数据】，选择【上传】，从本地导入结构化销量数据。

选择上传销量数据集

在「文件上传」页面点击【选择文件】，选择 02_多时间序列_规则日频.xlsx，然后点击【创建】。

选择多时间序列销量文件

数据导入完成后，流程画布中会生成 02_多时间序列_规则日频 数据集节点。选中该节点，可以在右侧执行查看、下载和重命名等基础操作，也可以选择用于后续处理与建模的算子。

查看已导入的销量数据集

创建时序预测任务

在「流程」中选中 02_多时间序列_规则日频，然后在右侧「机器学习」中点击【时序预测】。在「新建时序预测任务」窗口中，将「目标变量」设置为 target_sales，将「时间变量」设置为 event_time，确认任务名称后点击【确认】。

创建多时间序列预测任务

配置并训练模型

任务创建完成后，在「训练配置」的「基础设置」中选择「多时间序列」，将 product_id 和 region_id 设置为序列标识变量。将「时间步长」设置为 1 天，将「预测窗口（时间步数）」设置为 5，将「评估跳过时间步数」设置为 0，并保留预测分位数 0.1、0.5 和 0.9。

配置多时间序列基础设置

在「训练/测试集」中，将「数值插值」设置为「线性插值」，将「数值外推」设置为「不外推」，将「重复时间戳处理」设置为「数值列均值」。将「测试集窗口数」设置为 5，并保持 K 折交叉测试关闭。

配置训练集和测试集

在「评价指标」中选择 MASE（平均绝对缩放误差），用于比较不同算法的预测误差。MASE 越低，表示模型相对于基准预测的误差越小。

选择时序预测评价指标

在「外源变量」中，可以为 inventory、planned_price、promotion_flag、holiday_flag、temperature 和 product_class 等字段设置可用方式。教程中的这些字段均保持不启用，仅使用各产品和区域组合的历史销量建立预测模型。

配置时序预测外源变量

在「特征生成」中，为 target_sales 设置相对于预测起点的 -2、-1、0 时移特征，并将相对于预测点的处理方式设置为「自动」。同时添加从预测起点前 12 天到预测起点的滚动窗口，生成平均值和标准差聚合特征。

配置销量时移和聚合特征

在「算法选择」中启用 Auto ARIMA、Prophet、NHITS、Random Forest、Ridge Regression 和 XGBoost。选中算法名称后，可以在右侧查看并调整该算法的参数。

选择多时间序列预测算法

完成配置后点击右上角【训练】。在「训练时序预测模型」窗口中保持 GPU 训练启用，将任务名称设置为 session1，确认训练集为 360 行后，再次点击【训练】启动任务。

启动多时间序列模型训练

查看训练结果并部署

训练完成后，进入「训练结果」查看各候选模型的 MASE 和预测曲线。当前结果中，NHITS、Auto Arima 和 Prophet 的 MASE 分别为 2.423、4.897 和 1.571，其中 Prophet 的 MASE 最低。

查看多时间序列训练结果

点击「精度统计」，可以集中查看各模型的训练结束时间、训练耗时以及 MASE、MAPE、SMAPE、MAE、MAQL、MWQL、MSE、RMSE、MSIS 和 ND 等指标，便于从不同角度比较模型误差。

查看时序预测精度统计

返回「任务」视图，在 Prophet 模型卡片中点击【查看详情】，进入模型报告。

打开 Prophet 模型详情

在模型报告的「总结」中，可以确认模型类型、目标变量、算法、时间变量、时间步长、训练集行数和预测窗口等基本信息。当前模型使用 Prophet 算法，以 1 天为时间步长，基于 360 行训练数据预测未来 5 个时间步。

查看时序预测模型总结

进入「时序预测图」，可以按序列标识查看实际值、回测预测值、未来预测值以及 [0.1, 0.9] 预测区间。页面分别展示 P100, EAST、P100, WEST 等产品与区域组合的预测曲线，并支持通过底部时间轴调整查看范围。

查看多序列销量预测曲线

进入「误差诊断」，可以针对指定序列查看残差分布图、残差时序图、正态 Q-Q 图和自相关图，并结合 Jarque-Bera 正态性检验、偏度和峰度等统计量分析预测误差。

查看销量预测误差诊断

确认模型效果符合使用要求后，点击右上角【部署】。在「部署模型」窗口中，将「训练数据集」设置为 02_多时间序列_规则日频，将「模型名称」设置为 基于02_多时间序列_规则日频的时序预测模型，然后点击【确认】。

部署多时间序列预测模型

部署完成后，流程画布中会生成时序预测模型节点。选中该节点，可以在右侧打开模型，或继续使用【预测】和【评估】算子连接新的销量数据，生成未来销量预测或评估模型效果。

查看已部署的时序预测模型