简介：本资源是一套面向本科生课程设计、毕业设计及科研入门者的Python时间序列预测完整实现方案，聚焦CEEMDAN信号分解与CNN-LSTM混合建模技术，解决非平稳时序数据高精度预测难题。适用于计算机、电子信息、应用数学等专业学生，尤其适合缺乏项目经验但需快速上手智能算法仿真的初学者。压缩包共3个文件（2个CSV实测数据集+1个主程序PY文件），总大小仅47KB，轻量易部署；其中Python脚本采用参数化编程范式，关键步骤逐行注释，涵盖CEEMDAN自适应分解、多尺度特征提取、CNN-LSTM联合训练及滚动预测全流程，结构清晰、变量命名规范、超参配置集中可调。已有497人学习下载，配套焦作地区实测气象/负荷类时序数据，开箱即用，无需额外调试即可复现结果，是理解混合模型设计逻辑与工程落地细节的优质教学级案例。 不知道你有没有这种感受：拿到一批时序数据，不管是电力负荷、股价、交通流量还是设备振动，第一反应都是“上LSTM”。但跑完才发现，原始信号里全是噪声、趋势和周期混在一起，LSTM再强也很难直接吃下去。后来我在一个负荷预测项目里被逼着换了思路，把信号先做分解、再分头建模、最后重构预测，效果一下就不一样了。今天分享的这套CEEMDAN-CNN-LSTM方案，就是沿着这个思路搭起来的，完整源码和数据我都放在项目里，你可以直接拿去跑。简单说，它把非平稳、非线性很强的序列，先用CEEMDAN拆成若干个相对平稳的本征模态函数（IMF），再按IMF分别用CNN-LSTM提取特征并预测，最后叠加结果。这套组合特别适合风速、电价、负荷这类“看着就头疼”的序列，如果你手上刚好是这类数据，又想找一个能落地、能改、能跑的完整工程，这篇文应该能让你少走不少弯路。
1. 项目整体设计与思路拆解
1.1 为什么用CEEMDAN做信号分解
最早我用的是EMD（经验模态分解），不用设置基函数就能拆序列，确实方便，但有个老毛病：模态混叠严重。同一个IMF里既有高频分量又有低频趋势，模型根本分不清该学哪一段。后来换EEMD，通过加白噪声来缓解混叠，可噪声一旦加进去，分解结果就不稳定了，每次跑出来不完全一样，复现实验都是个问题。
CEEMDAN（完全自适应噪声集合经验模态分解）在这两点上都做了改良。它不是在原始信号上直接加噪声，而是在每一轮分解时，对残余分量加自适应白噪声，并利用全局平均来计算每个IMF。这样做的好处有两个：一是模态混叠明显减少，二是分解结果具有可复现性，白噪声的影响会被控制在极低水平。对于工程应用来说，可复现这点太重要了，同一个模型上午跑和下午跑结果不一样，你是调模型还是调运气？
需要说明的是，CEEMDAN不是万灵药。如果原序列本身就是干净的周期信号，分解反而多余。但面对电力负荷、交通流量、股票价格这类受多种因素影响的序列，先分解再预测几乎是必须的。我个人的判断标准很简单：先画出序列的频谱图，如果多个频段都有明显能量，或者趋势项和周期项混合在一起，那就值得做分解。
1.2 为什么选CNN-LSTM做时序建模
拆出IMF之后，另一个问题来了：每个IMF用什么模型去预测？只用一个LSTM当然可以，但LSTM是序列模型，擅长捕捉时间依赖，却不擅长在同一时刻上提取多个局部特征。而CNN（一维卷积）恰好善于提取局部模式，计算还比LSTM轻很多。
所以CNN-LSTM的组合逻辑是：先用一维卷积层对每个IMF做局部特征提取，相当于先帮你找出“最近几个时刻里最有价值的模式”，再把压缩后的特征序列交给LSTM去学习长期依赖关系。这个设计的实际效果是，模型收敛更快，而且对局部异常点没那么敏感。
在实际项目里，如果你发现单LSTM在训练集上迟迟不收敛，或者收敛后预测曲线明显滞后，那么多半是局部特征没有被有效提取，这时候加一层CNN往往比堆LSTM层更管用。卷积核大小我一般从3开始试，如果序列周期较长，可以试5甚至7。你也可以把CNN部分理解成一个自动的特征工程模块，这一步做得好，LSTM后续的负担就小很多。
1.3 与单一模型和普通EMD方案的对比
为了让你更直观地理解这套组合的定位，我用了三个替代方案做对比：
- 方案A：不分解，直接用LSTM预测原始序列。
- 方案B：EMD分解后，对每个IMF用LSTM预测。
- 方案C：不分解，直接用CNN-LSTM预测原始序列。
在实际测试中，方案A的问题在于序列里的趋势项和随机项混在一起，LSTM经常学到的是“惯性上涨”，遇到转折点就迟钝。方案B比方案A好一些，但EMD分解出来的IMF不够干净，预测结果也不稳定。方案C比A强，但没解决信号非平稳的根子问题。最后的CEEMDAN-CNN-LSTM方案，在RMSE和MAPE两项指标上都明显领先，尤其是在序列突变区间，预测偏差能缩小20%以上。
需要提醒的是，模型结构变复杂以后，训练时间和代码调试成本也会上升。如果你的数据量很少，比如只有几百个点，那我不建议你上这套组合，拆出十几个IMF后每个样本都稀疏得要命，模型根本学不出东西。数据量至少要有几千个点，这套方法才有发挥空间。
| 方案 | 是否分解 | 信号平稳性处理 | 局部特征提取 | 长期依赖建模 | 综合表现 |
|---|---|---|---|---|---|
| 单一LSTM | 否 | 无 | 弱 | 强 | 一般 |
| EMD+LSTM | 是 | 中等 | 弱 | 强 | 中等 |
| CNN-LSTM | 否 | 无 | 强 | 强 | 较好 |
| CEEMDAN-CNN-LSTM | 是 | 强 | 强 | 强 | 最好 |
2. 环境准备与数据说明
2.1 Python环境依赖与安装
这个项目我是在Python 3.9上跑通的，3.8到3.11应该都没问题。核心依赖如下：
pip install numpy pandas matplotlib scikit-learn pip install tensorflow pip install EMD-signal其中EMD-signal这个库是重点，CEEMDAN分解直接用它。早期我踩过坑，用了一个名字很像的包，结果里面根本没有ceemdan接口。你安装完以后，在Python里执行下面这行能正常返回版本号就行：
from PyEMD import CEEMDAN, EEMD, EMD print("PyEMD import OK")EMD-signal内部会用到numpy和scipy，所以这两个基础库最好先装好。TensorFlow我用的是2.10版本，CPU版也能跑，只是训练慢一些。如果机器有NVIDIA显卡，建议装对应版本的tensorflow-gpu，后面训练CNN-LSTM会快很多。
另外强烈建议用虚拟环境来装依赖。我见过太多次因为全局环境里包版本冲突，导致import tensorflow直接崩溃的情况。你执行：
python -m venv ceemdan_env source ceemdan_env/bin/activate # Windows下是 ceemdan_env\Scripts\activate然后再执行上面的pip安装命令，能隔离掉大部分莫名其妙的环境问题。
2.2 数据来源与预处理
项目里附带了一份示例数据，结构很简单：两列，第一列是时间戳，第二列是待预测的数值。我建议你用自己的数据时也保持这个格式，代码不用大改。示例数据来自公开的电力负荷记录，整体波动比较大，早晚高峰明显，很适合用来展示CEEMDAN的分解效果。
拿到原始数据后，第一步是清洗。我习惯的处理流程是：
- 检查缺失值。时间序列里的缺失点，我用前后均值填充，窗口长度取5。
- 检查异常值。超过3倍标准差（或者超过上下四分位数1.5倍IQR）的点，标记出来，人工确认后处理。
- 标准化。对每个IMF单独做z-score标准化，而不是对原始序列整体做。原因很简单，不同IMF的量纲虽然一致，但数值范围差异很大，放到同一个尺度下训练更稳定。
关于标准化还有一个细节：标准化参数只用训练集的均值和标准差，验证集和测试集要用同样的参数转换，不能重新计算。否则相当于把未来信息泄露给了模型，评估出来的指标会偏乐观。
2.3 项目目录结构
我的源码目录很简单，方便维护：
ceemdan_cnn_lstm/ ├── data/ │ └── load_data.csv ├── src/ │ ├── ceemdan_decompose.py │ ├── make_dataset.py │ ├── model.py │ ├── train.py │ └── predict.py ├── results/ │ ├── imf_plots/ │ ├── prediction_plots/ │ └── metrics.csv └── config.pyconfig.py里放着所有可调参数，比如序列长度、LSTM隐藏单元数、卷积核大小、训练轮数、学习率等。我不知道你是怎么管理实验参数的，但我强烈建议把所有参数集中到一个文件里，而不是散落在各个脚本中。否则你在调参的时候，真的会忘记自己“上一版到底改了啥”。
3. 核心代码实现与解析
3.1 CEEMDAN分解模块实现
CEEMDAN分解是整个流程的第一环，也是拉开效果差距的关键环节。我封了一个单独的模块ceemdan_decompose.py，核心逻辑如下：
import numpy as np from PyEMD import CEEMDAN def ceemdan_decompose(series, max_imf=10): ceemdan = CEEMDAN(trials=100, epsilon=0.005) imfs = ceemdan(series, max_imf=max_imf) return imfs代码就这几行，但参数不是随便设的。trials表示噪声试验次数，官方建议50到100之间。次数太少了分解不稳定，太多了训练变慢。epsilon是噪声强度比例，我试过0.001到0.01，0.005在这个数据上效果比较平衡。如果你做的是其他领域的数据，建议跑一次多组参数对比，选IMF数量稳定、残余项趋势清晰的那组。
这里要特别提醒一个容易踩的坑：CEEMDAN分解前不要先做标准化。原因在于分解算法对原始幅值的相对关系是敏感的，如果先标准化再分解，IMF的物理含义会被改变。正确的做法是：先分解，再分别对每个IMF做标准化。
分解完成后，把每个IMF画出来看看。理想情况下，IMF应该是从高频到低频依次排列，最后一两个是低频率的趋势项。如果你看到某个IMF明显锯齿状、振幅忽大忽小，说明分解效果不理想，可以适当增大trials或者调整epsilon重新跑。
3.2 样本构造与数据规范化
分解得到多个IMF后，怎么构造训练样本？我是按每个IMF单独构造样本集，然后训练多个CNN-LSTM模型，每个IMF一个模型。虽然训练时间会线性增加，但建模更灵活，因为不同IMF的波动规律差异很大，共用一个模型反而可能会互相干扰。
样本构造的核心是滑窗。我常用的参数有两个：lookback（输入序列长度）和horizon（预测步长）。在负荷预测场景中，我一般取lookback=48（一天96点的话就是半天），horizon=1（预测下一点）。当然你也可以设置horizon=24直接预测未来一天，但多步预测误差会累积，建议先做单步，验证流程没问题后再扩展。
构造样本的代码如下：
def create_samples(data, lookback=48, horizon=1): X, y = [], [] for i in range(len(data) - lookback - horizon + 1): X.append(data[i:i+lookback]) y.append(data[i+lookback:i+lookback+horizon]) return np.array(X), np.array(y)注意一个关键点：验证集和测试集的样本构造必须严格按时间顺序切分，不能随机打乱。时序预测如果随机打乱数据，等于把未来信息泄露出去了。但训练时每个batch内部的样本顺序可以打乱，这样有助于模型稳定收敛。这个“全局顺序保留、batch顺序打乱”的操作，很多新手容易搞混。
数据规范化我用的是sklearn.preprocessing.StandardScaler，对每个IMF分别拟合scaler。预测完成后，要把结果逆标准化回去再计算误差指标。千万别忘了这一步，否则你看到的误差数字会大得离谱，还会以为是自己模型出了问题。
3.3 CNN-LSTM模型搭建
模型本身用Keras搭，非常简洁。结构是“一维卷积池化 + LSTM + Dense”。我给大家提供一个可运行的版本：
from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv1D, MaxPooling1D, LSTM, Dense, Dropout def build_cnn_lstm(input_shape, cnn_filters=64, kernel_size=3, lstm_units=32): model = Sequential([ Conv1D(filters=cnn_filters, kernel_size=kernel_size, activation='relu', input_shape=input_shape), MaxPooling1D(pool_size=2), LSTM(lstm_units, return_sequences=False), Dropout(0.2), Dense(1) ]) model.compile(optimizer='adam', loss='mse', metrics=['mae']) return model这里有一个细节值得说：return_sequences为什么设为False？因为我们的目标是单步预测，只需要LSTM最后一个时间步的输出。如果你要做多步预测，可以改成True，再接一个TimeDistributed(Dense(...))，或者再叠一层LSTM。
关于卷积核个数和LSTM单元数，我一般从64和32开始，然后根据数据量调整。数据量大就加大容量，数据量小就减小。还有一个很实用的技巧：把lookback设为48时，kernel_size不要超过8，否则卷积核太长会导致边界信息丢失严重。CNN的作用是提取局部模式，太长的卷积核反而容易“看花眼”。
3.4 训练与评估模块
训练代码比较常规，但我加入了一个重要的回调：EarlyStopping和ReduceLROnPlateau。前者是防止过拟合，后者是训练后期自动降低学习率，帮助模型在小梯度区域继续收敛。
from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau early_stop = EarlyStopping(monitor='val_loss', patience=10, restore_best_weights=True) reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=3, min_lr=1e-5) history = model.fit( X_train, y_train, validation_data=(X_val, y_val), epochs=100, batch_size=64, callbacks=[early_stop, reduce_lr], verbose=1 )评估指标我在代码里实现了三个：RMSE、MAE和MAPE。RMSE对大误差敏感，MAE更直观，MAPE适合和业务方沟通。其中MAPE有个容易被骂的坑：当真实值接近0时，MAPE会变成天文数字。所以如果数据里有接近0的时段，最好对MAPE做一点保护，比如真实值小于某个阈值时跳过该点。
def calc_mape(y_true, y_pred, eps=1e-6): y_true = np.array(y_true) y_pred = np.array(y_pred) mask = np.abs(y_true) > eps return np.mean(np.abs((y_true[mask] - y_pred[mask]) / y_true[mask])) * 100训练完成后，每个IMF都会得到一组预测值。最后一步是把所有IMF的预测结果直接加和，得到最终预测。这个过程要注意的是，每个IMF的标准化是独立的，所以要把各IMF的预测先逆标准化，再加和。如果顺序反了，加和结果完全不对。
4. 实验过程与结果分析
4.1 实验设置与超参数
这次实验用的数据是电力负荷，采样间隔15分钟，一共记录了约30天，共2880个点。前70%做训练，中间15%做验证，最后15%做测试。这样切分既保证了训练数据量足够，也让测试集覆盖了完整的业务周期。
超参数设置如下：
| 参数 | 取值 |
|---|---|
| CEEMDAN trials | 100 |
| CEEMDAN epsilon | 0.005 |
| lookback | 48 |
| horizon | 1 |
| CNN filters | 64 |
| kernel_size | 3 |
| LSTM units | 32 |
| Dropout | 0.2 |
| batch_size | 64 |
| epochs（上限） | 100 |
| 优化器 | Adam |
| 学习率 | 0.001（自适应下降） |
这个组合不是我拍脑袋定的。一开始我用过128个LSTM单元，结果过拟合很明显；后来降到32，配合dropout和早停，验证集表现反而更好。调参这件事，很多时候不是模型越复杂越好，而是模型复杂度要和数据量匹配。
4.2 结果对比
直接说结论。测试集上，CEEMDAN-CNN-LSTM的RMSE大约是直接LSTM的63%，MAE大约是61%，MAPE从原来的约8.5%下降了近3个百分点。这组提升主要来自两个方面：一是CEEMDAN把复杂信号拆成了更易学习的IMF，二是CNN局部特征提取减少了LSTM的负担。
再细看不同时间段的预测效果。在负荷平稳段，三种方案差异不大，差的只有几个百分点。但在早晚高峰的陡变段，直接LSTM会明显“反应慢半拍”，预测曲线比真实曲线滞后一到两个采样点。而CEEMDAN-CNN-LSTM因为先拆出了趋势和周期，突变信息在对应的IMF里被单独建模，预测曲线跟随性明显更好。
我印象最深的是在某个工作日的早高峰时段，直接LSTM预测偏差接近12%，而CEEMDAN-CNN-LSTM把偏差压到了5%以内。这个场景对工程应用非常关键，因为业务方最关心的就是尖峰时段准不准。
4.3 可视化结果
代码里会自动生成两张图。第一张是CEEMDAN分解图，能把每个IMF以及残余项画出来，方便你做模态分析。第二张是预测对比图，用测试集真实值和预测值画在同一张图上。如果你自己复现，建议重点观察第二张图的尾部，是否在峰值处有明显偏移。
另外我还习惯画一个误差分布直方图。如果误差集中在0附近，呈对称分布，说明模型没有系统性偏差。如果误差明显偏向某个方向，例如负荷高峰时总是低估，那就说明模型没学到高峰模式，可能需要增大lookback或者增加卷积层数。
这里分享一个小技巧：画图时把真实值和预测值的曲线透明度调低一点，再放大关键区域，比直接看全局图更容易发现问题。我经常是用20分钟的时间窗口切片去看，高峰期一到，模型几条曲线之间的差异一目了然。
5. 常见问题与排查技巧实录
5.1 数据泄露：时序分割里的隐形杀手
这是时序预测里最隐蔽的问题，没有之一。我在第一次运行时，验证集指标非常好，心里还挺美，结果后来发现写代码时，标准化用了全量数据的均值方差，导致验证集的信息混进了训练过程。测试集表现一下就垮了。
判断是否数据泄露，最简单的办法是检查训练和验证指标之间的差距：训练集指标好、验证集指标差，这是正常的过拟合；但如果验证集好得惊人、测试集却很普通，就要怀疑是不是泄露了。解决方案就是我在前面强调的：切分之后再做标准化，而且scaler只在训练集上fit。
另外滑窗构造样本时，也要确保测试集样本没有“跨到”训练集的未来时间点。尤其当lookback比较大时，容易在切分边界处犯这个错。可以打印每个样本的起止索引检查一下，多花两分钟，能省掉后面一个晚上的排查时间。
5.2 分解出的IMF过多或过少怎么办
有些序列非平稳性很强，CEEMDAN可能跑出十几个IMF。如果每个IMF都独立建模，训练时间会成倍增加，而且部分IMF（尤其是高频噪声IMF）预测难度大，会拉低整体精度。我的经验是，如果IMF数量超过8个，可以把最后几个低频分量合并成趋势项，或者设定一个阈值，把振幅极小的IMF直接当作噪声丢弃。
反过来，如果IMF数量太少，比如只有2-3个，大概率是CEEMDAN参数没调好，或者数据本身太简单。可以适当增大trials，或者检查数据是否经过差分处理。对于强趋势序列，先做一阶差分，再分解，通常能得到更丰富的IMF。
5.3 模型不收敛或loss震荡
如果训练过程中loss不降反升，很可能不是模型结构问题，而是数据规范化没做好。检查每个IMF标准化后的均值是否接近0、方差是否接近1。另外确认batch_size没有过大或过小，过大收敛慢，过小loss震荡剧烈。
我遇到过一种比较棘手的情况：某个IMF几乎全是高频噪声，CNN-LSTM怎么训练loss都下不去。后来我发现这类IMF的预测贡献本来就不高，果断把它单独提出来，直接用简单的历史均值替代预测，整体误差反而更小了。这听上去有点违背常理，但在工程上很实用，因为你不需要对每个成分都用重武器。
5.4 预测曲线滞后怎么解决
这是时间序列预测里被问得最多的现象：预测曲线整体比真实曲线晚了一拍。滞后出现时，先别急着加模型复杂度。最常见的三个原因是：lookback太短，信息不足；LSTM单元数太多，模型过于依赖最近时刻；序列本身有强自相关，模型发现复制上一个值能拿到低loss，就不想学真正的趋势了。
针对第三个原因，可以尝试减小LSTM单元数、增加正则化、或者对序列做一阶差分后再建模。差分会把自相关削弱，模型必须学更本质的映射关系。改完之后你再测一下，滞后现象通常会有明显改善。
5.5 常见问题速查表
| 问题 | 可能原因 | 排查方向 |
|---|---|---|
| 指标在验证/测试间差距大 | 标准化泄露 | 检查scaler是否只在训练集上fit |
| 分解结果不稳定 | CEEMDAN参数不合适 | 增大trials，调整epsilon |
| 训练loss不降 | 数据未标准化 | 检查IMF的均值方差 |
| 预测曲线滞后 | lookback太短或过拟合 | 调整窗口长度，加正则化 |
| 测试集MAPE异常大 | 真实值接近0 | 对MAPE加阈值保护 |
| 程序内存不足 | 滑窗样本太多 | 用生成器方式读取数据 |
6. 实操心得与扩展方向
6.1 实操心得
这套CEEMDAN-CNN-LSTM组合，我在负荷预测和风速预测项目里都用过，整体稳定性不错，但有几个心得必须说一下。
首先，CEEMDAN分解不是必须对每个IMF都用复杂模型。高频IMF对应随机噪声部分，CNN-LSTM对它的预测能力有限，强行建模反而增加整体误差。低频趋势项很容易拟合，甚至可以不用机器学习模型，直接用简单的线性外推或者一阶滞后模型。只有那些既有规律又有波动的中频IMF，才是CNN-LSTM发挥最大的地方。
其次，训练时间要心里有数。假设一个序列拆出8个IMF，每个IMF训练一个CNN-LSTM，单模型训练3分钟，那就是24分钟。每次调参都要这么久，所以建议先用一个IMF子集跑通流程，再全量跑。我通常是先拿第3或第4个IMF来试参数，因为它最代表“中等复杂度”的特征，调好后再套到其他IMF上微调。
另外，这套流程尽量保持模块化。分解、构造样本、训练、预测分开写脚本，方便你单独替换任何一个环节。比如后面你不想用CNN-LSTM，想换Transformer，只需要改model.py即可，其他部分不用动。这种松耦合的代码结构在实际项目中维护成本低很多。
6.2 可以继续扩展的方向
如果你的数据量和算力允许，有几个扩展方向值得尝试：
- 注意力机制：在LSTM后面加一个注意力层，让模型在解码时关注更重要的历史时刻。对长序列预测，注意力带来的提升通常比单纯堆层数更明显。
- 多步预测：把
horizon从1改成24或更多，配合return_sequences=True和TimeDistributed层，实现真正的多步预测。这时要特别注意误差累积问题，可以试试用迭代预测或直接多输出两种方案做对比。 - 多变量输入：如果除了目标序列，你还有温度、湿度、节假日标记等外生变量，可以把它们作为额外特征拼接到CNN-LSTM的输入中。注意对齐时间窗口。
- 自动调参：用Optuna或网格搜索，对
kernel_size、lstm_units、batch_size做自动搜索。虽然耗时，但能找到更优组合。
我个人在实际使用中发现，这个项目扩展成“多变量CEEMDAN-CNN-LSTM”之后，在负荷预测上的效果还能再提升一截，代价是代码复杂度变大。如果你刚开始，建议先把单变量的整套流程吃透，跑通以后再做扩展。
最后再说一个小技巧：训练完之后，把每个IMF的测试集误差打印出来，按误差占比排序。你会发现大部分总误差集中在某几个IMF上，下一步优化只需要盯着这些IMF来调，不用眉毛胡子一把抓。我在几次项目里都是这样做，省下的时间都不止是几顿饭的事。希望这份完整源码和数据，能帮你把CEEMDAN-CNN-LSTM真正落到自己的场景里。
本文还有配套的精品资源，点击获取
