基于XGBoost+LSTM+SARIMA模型的非线性时间序列预测(Paddle)

1.飞桨优势

对于基于XGBoost+LSTM+SARIMA模型的非线性时间序列预测，飞桨提供了丰富的现成工具 和更加易用的高阶API

2.核心代码

训练模型构建

class PaddleLSTMPredictor(nn.Layer):
    def __init__(self, input_dim=1, hidden_dim=64):
        super(PaddleLSTMPredictor, self).__init__()
        self.lstm = nn.LSTM(input_size=input_dim, hidden_size=hidden_dim, num_layers=2)
        self.linear = nn.Linear(hidden_dim, 1)
    def forward(self, x):
        out, _ = self.lstm(x)
        return self.linear(out[:, -1, :])

3.结果展示

预测结果

分析最终模型（全集成后）的残差