LSTM多输入多输出时间序列预测实战：从三维张量到Seq2Seq架构

简介：基于LSTM实现多输入多输出的时间序列预测项目，面向深度学习初学者、数据科学爱好者以及需要处理多变量预测任务的工程师。项目使用Python编写，以空气质量pollution等CSV数据为例，完整演示数据清洗、缺失值处理、归一化、多特征输入构造、LSTM模型搭建、训练评估与结果输出流程。压缩包共126个文件，含75个Python源码、26个CSV数据集、多个TensorFlow检查点文件以及项目说明文档，整体约5.12MB，目录与代码命名规范，便于按步骤阅读和复用。已有3853人学习使用。通过学习可理解LSTM单元细胞、输入门、遗忘门、输出门的协作机制，学会将多变量数据组织成有监督学习样本，掌握多步预测与超参数调优思路；代码模块化程度较高，可直接更改为自己的CSV或Excel数据，适合课程设计、论文实验以及环境监测、电力负荷等真实预测任务。 最近被问得最多的一个问题：LSTM做多输入多输出的时间序列预测，到底怎么搭？不是那种跑通一个demo就完事，而是要在真实项目里把多个特征喂进去、同时预测出多个目标变量，还要保证效果稳定。

这个问题我前前后后接触了不少实际案例，从传感器故障预警到股票价格区间预测、从人体骨骼关键点动作识别到多设备能耗联动预测，核心都在同一个地方：怎么把三维张量、多任务输出层、滞后窗口这些抽象概念，落到能跑的代码和能用的结果上。这篇文章就把我实践下来的一套完整思路、踩过的坑和选型权衡讲清楚，给正在卡在这个环节的人一个可以直接上手的参照。

1. 多输入输出的本质：它解决的是真实世界的多变量联动问题

先说一个我经常用来纠正直觉的类比。如果你只盯着单一指标做预测，比如只看某台机器的温度值，然后把过去24小时温度喂给LSTM，预测未来1小时温度，这就是单输入单输出。但真实工程里几乎没有这么理想的情况——温度升高往往是电流异常、振动加剧、环境湿度上升共同作用的结果，而你需要同时预测的也不只是温度，可能还有电流和振动幅度。

多输入多输出LSTM解决的就是这种"多因多果"的联动预测问题。它的输入是一个时间窗口内多个特征的历史数据，输出则是未来一个或多个时间点上的多个目标变量。这里面有两个关键概念容易混：

• 多输入单输出：比如用温度、电流、振动三个特征，预测未来一个温度值。这是最基础的特征融合。
• 多输入多输出：用同样的三个特征，同时预测未来温度、电流、振动三个值，或者预测未来连续多个时间点的温度值。

第二种又包含了两个子方向：一种是多个目标变量（multi-horizon的多变量输出），另一种是单变量但连续预测未来多个步长（multi-step forecasting）。实际项目中两者经常叠加，就成了"多个特征预测未来多步的多变量序列"，这才是工程上最头疼也最常用的形式。

LSTM之所以适合干这个活，核心在于它的门控结构。输入门、遗忘门、输出门三个门控协同工作，让网络有能力决定"哪些历史信息要记住、哪些要丢弃、哪些要用于当前输出"。在多输入场景下，不同特征的时间尺度差异很大（比如温度变化缓慢、振动突变频繁），门控机制能自动学习出不同特征在不同时刻的权重，这比传统ARIMA或者普通全连接网络要灵活得多。

但这里有个必须提前说清楚的坑：LSTM的输入必须是三维张量，形状是(batch_size, timesteps, features)。batch_size是一次喂多少条样本，timesteps是回溯的时间窗口长度，features是特征数量。很多人写代码报错，十有八九是栽在这.shape不对这个问题上。

2. 三种常见架构选型：从直接多输出到Seq2Seq

多输入多输出LSTM在具体实现上，我按项目需求把它分成三种架构，选哪种取决于你要预测的目标形式。

2.1 架构一：全连接多输出头（最简单、最通用）

模型结构大致是：LSTM层（返回最后时间步的隐状态）接一个全连接层，输出层的神经元个数等于目标变量的数量。比如预测未来1步的3个变量，输出层就是3个神经元。

# Keras/TensorFlow 实现示例 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense model = Sequential() model.add(LSTM(units=64, return_sequences=False, input_shape=(timesteps, n_features))) model.add(Dense(32, activation='relu')) model.add(Dense(n_targets)) # n_targets=3，输出3个变量 model.compile(optimizer='adam', loss='mse')

这种架构适合"预测未来一个时刻（或几个时刻）的多个变量"场景。实现成本最低，参数最少，训练速度快。我做过一个电力负荷预测项目，用气温、湿度、历史负荷、节假日标记四个特征，预测未来1小时的负荷和未来1小时的光伏出力，用这种架构就够了。

但它的局限也很明显：输出层是并列的多个神经元，彼此之间没有显式的时序依赖关系建模。如果目标变量之间本身存在强耦合（比如机械臂的关节角度序列），这种结构往往学不到目标间的联合动态。

2.2 架构二：多分支多任务学习（目标变量个性差异大时用）

多个目标变量如果特征模式差异很大，共用一个LSTM的隐状态再接共享全连接层，可能会互相干扰。这时候把输出层拆成多个分支，每个分支有自己独立的全连接层，但共享底层的LSTM特征提取器。

from tensorflow.keras.models import Model from tensorflow.keras.layers import Input, LSTM, Dense inputs = Input(shape=(timesteps, n_features)) lstm_out = LSTM(units=64, return_sequences=False)(inputs) branch1 = Dense(16, activation='relu')(lstm_out) branch2 = Dense(16, activation='relu')(lstm_out) out1 = Dense(1, name='target_temp')(branch1) out2 = Dense(1, name='target_current')(branch2) model = Model(inputs=inputs, outputs=[out1, out2]) model.compile(optimizer='adam', loss={'target_temp': 'mse', 'target_current': 'mse'})

我遇到过一个很典型的案例：工业设备健康度预测中，一个目标变量是缓慢退化趋势的轴承温度，另一个是突发性强的振动加速度。如果共用一个全连接头，模型总是倾向于优化数值更大的温度损失，振动预测变得很钝。拆成两个分支后，每个分支可以有不同的激活函数、不同层数，甚至不同损失权重，效果立刻改善。

当然多任务有个新问题：loss_weights怎么配。我的经验是初始都设1，看训练曲线里哪个loss降不下去，给它加大权重。不要一开始就追求精细配比，先跑通再调。

2.3 架构三：Seq2Seq（多步预测的进阶方案）

如果要预测未来连续多个时间点，简单做法是把输出层的神经元数量设为horizon × n_targets，但这么做等于是把多个时间点的输出"拍扁"了，丢失了输出之间天然的时序结构。更好的做法是Encoder-Decoder结构，Encoder吃输入窗口全部时间步，Decoder逐步生成未来每个时间步的输出，每个解码步的输出会反馈给下一步作为输入的一部分。

# 简化版 Encoder-Decoder from tensorflow.keras.layers import LSTM, Dense, RepeatVector, TimeDistributed encoder = LSTM(64, return_sequences=False)(inputs) repeat = RepeatVector(horizon)(encoder) # 将编码向量复制horizon次 decoder = LSTM(64, return_sequences=True)(repeat) outputs = TimeDistributed(Dense(n_targets))(decoder)

这种设计在天气预测这类场景效果很好：用过去7天逐小时的气温、气压、湿度预测未来24小时的逐小时温度。输出序列本身有日内周期性波动，Seq2Seq的Decoder隐状态能天然维持这种连续变化的轨迹，而不是像全连接那样每个预测点各自为战。

代价是训练更难收敛，数据需求量更大，调参空间也大。如果项目数据量不大（几千条级别），我建议谨慎上Seq2Seq，先用架构一跑通基线。

三种架构的选择逻辑我总结成一张表：

3. 数据预处理与三维张量构造：这步占了项目一半的坑

网上教程大多直接给你一个造好的(样本数, 时间步, 特征数)数组，但真实项目里，原始数据往往是DataFrame里一列列的时间戳和变量，你缺的是中间那层转换。这一步处理不好，后面模型再花哨也白搭。

3.1 归一化必须在构造样本之前完成

这一点我反复提醒身边人。归一化有两种做法，做法不同结果差很多：

• 先构造三维样本再整体归一化：会有信息泄漏。因为在构造样本时，滑动窗口会在时间维度上重复使用同一条数据，整体归一化时测试集的信息已经通过全局最大值、最小值注入了训练过程，最终评估指标虚高。
• 先按时间顺序划分训练集/测试集，再分别做归一化：正确做法。训练集用StandardScaler或MinMaxScaler拟合，测试集用同一个已拟合的scaler变换。

from sklearn.preprocessing import MinMaxScaler # 假设df是n行×(特征+目标)列，按时间排序 scaler = MinMaxScaler() train_scaled = scaler.fit_transform(train_df) test_scaled = scaler.transform(test_df) # 用训练集的scaler直接transform

注意测试集是不允许fit的，否则就泄漏了。

3.2 时间窗口与滑动窗口切片

假设data是形状(N, n_features)的二维数组，要构造timesteps=T的样本：

import numpy as np def create_sequences(data, T, horizon, n_targets=3): X, y = [], [] for i in range(len(data) - T - horizon + 1): X.append(data[i:i+T, :]) y.append(data[i+T:i+T+horizon, -n_targets:]) # 取最后几个目标列 return np.array(X), np.array(y)

这里有两个很容易犯的低级错误。第一个是目标列的顺序：如果目标变量在DataFrame里不是最后几列，用-n_targets取就会取错。我建议在动手前先把特征列和目标列分开定义，不要图省事直接切片。第二个是len(data) - T - horizon + 1这个边界值，很多人少算了+1，导致最后一个样本丢失，数据本来就不多的时候很亏。

窗口长度T怎么选？我的经验是结合实际物理周期和计算量来定：有日内规律的数据，至少包含一个完整周期（24小时就至少24步）；高频传感器数据，T取50~100比较常见。过短会丢失长期依赖，过长会增加训练量，而且超出LSTM实际记忆能力也没有额外收益。

3.3 处理缺失值和异常值的一个顺序禁忌

原则：先做缺失值处理，再做异常值剔除，最后做归一化和滑窗。反过来不行。因为异常值剔除算法（比如分位数法、z-score）在存在缺失值的情况下会误判，比如NaN在大多数计算里会传递Error，z-score一下子算出极端值，把整段数据都误删。

缺失值处理方式，我常用插值法里的pandas.DataFrame.interpolate(method='linear')，在时间序列上通常比填充0要稳。异常值我个人倾向于不做暴力删除，而是用cap（上下限截断），因为删除会使时间序列出现间断，LSTM看到突然跳跃的数值变化容易学到错误的模式。cap的方式：

lower, upper = data.quantile(0.01), data.quantile(0.99) data = data.clip(lower, upper)

3.4 多特征时间对齐是隐性杀手

现实数据里，"温度采样间隔1分钟、电流采样间隔5秒、目标变量每日汇总一次"这种情况太常见了。多输入LSTM要求每个时间步上所有特征都存在，遇到采样频率不一致，必须重采样对齐。我一般用pandas.DataFrame.resample('1min').mean()统一降频到最低频率，或者用reindex + interpolate升频到最高频率再对齐。这一步不做，模型训练时维度对不上，更隐蔽的是对上了但数值错位——不同特征反映的时间点根本不是同一个时刻。

4. 训练策略与评估陷阱：怎么判断模型真的"会预测"了

模型结构搭好，数据管道也没问题，接下来烧脑的是训练环节。多输入多输出模型的训练策略和单输出差别不小，尤其是损失函数和评估指标。

4.1 损失函数选型

回归类的多输出，默认用mse或mae。当目标变量之间量纲差异大时（比如温度0~100，电流0~50），MSE会被量纲大的那个目标主导。尽管做了归一化，两个目标如果分布形状差异大，MSE仍然可能被方差大的主导。两个解决办法：

• 用mae而不是mse：MSE平方放大异常影响，MAE更稳健，训练过程更平稳。
• 用加权MSE：手动给不同目标分配合适的权重，权重可以反比于目标变量在训练集上的方差，让每个目标都能"被照顾到"。

分类场景（比如动作识别中每个时间步输出一个类别）则用categorical_crossentropy或sparse_categorical_crossentropy，这个不展开。

4.2 评估指标不能只看RMSE

很多人拿到多输出模型，习惯性把每个输出变量的RMSE算一遍就交差，但这不够。原因在于：RMSE反映整体误差水平，但完全无法反映预测的时序形态是否合理。我见过RMSE很低但预测曲线明显滞后真实曲线的模型——数值上差得不远，但相位整整慢了几个步长，这对很多工程场景是致命的。

我的建议是至少加两个评估维度：

• 方向准确率：预测值的变化方向（涨/跌、升/降）和真实值是否一致。这个指标对决策类应用特别重要。
• 滞后性检测：看看预测和真实的互相关函数，如果峰值不在0附近而在某个正滞后处，说明模型在"复读"最近的历史值，并没有真正学到动态规律。这在LSTM里很常见，尤其是数据趋势太强时，模型发现直接抄上一时刻的值损失最小。

from scipy.signal import correlate def lag_detection(true, pred): n = len(true) corr = correlate(true - np.mean(true), pred - np.mean(pred), mode='full') lags = np.arange(-n+1, n) lag = lags[np.argmax(np.abs(corr))] return lag # 接近0则无滞后，明显正数说明预测滞后

另外，每个输出的RMSE要分别算、分别看，不要用一个综合损失糊弄过去。不同目标变量的业务要求差异很大，温度和电流允许的误差范围完全不是一个量级，综合指标没有指导意义。

4.3 训练过程中的"假收敛"识别

多任务多输出的模型，Loss曲线经常出现一种现象：整体Loss在降，但某个分支的Loss偷懒不动，甚至微微上升。这是因为共享层被另外的分支"绑架"，梯度朝主要矛盾方向走，弱分支的梯度贡献被淹没了。我的排查方式是训练时单独打印每个输出的loss，不要只看总体。

# 训练时把每个输出loss单独打印 model.compile(optimizer='adam', loss=['mse', 'mse'], loss_weights=[0.5, 0.5]) # 然后在回调或者训练日志中监控 val_target_temp_loss 和 val_target_current_loss

如果发现某个分支的loss长期不退，第一步不是加大网络容量，而是检查这个目标变量本身是否过于随机、是否跟输入特征基本无关。特征和目标完全没有相关性的情况下，指望模型硬学是不现实的，不如承认这个目标不可预测，或者换特征。

4.4 早停和模型保存的一个注意点

多输出模型的ReduceLROnPlateau和EarlyStopping的监控指标，我建议用val_loss而不是单分支的loss，因为过早按单分支停止会把整个模型训练打断，另一分支可能还没学到位。模型保存则用ModelCheckpoint保存最好一次验证loss对应的权重，不要因为最终epoch的权重不是最优而懊恼。

5. 实战案例：从原始数据到可用模型的完整过程

理论说了一堆，还是用一个我实际做过的案例串一遍。任务是：用一台电机过去24小时的振动、电流、温度三个特征，预测未来1小时的电机的振动和温度两个指标（注意这里预测时电流不作为目标，因为电流更多是工况输入而非健康状态输出）。

5.1 数据形态

原始数据是传感器每隔5秒采一条，一天就是17280条，总共采集了约30天，50万条级别。特征列：vibration, current, temperature, timestamp。

第一步，重采样到1分钟频率，减少计算量，避免5秒级的高频噪声干扰。然后按时间顺序划分：前21天训练，中间3天验证，最后6天测试。这个划分对时间序列特别重要，不能用随机划分，否则未来信息会被模型偷看到。

5.2 数据管道代码

import pandas as pd import numpy as np from sklearn.preprocessing import MinMaxScaler # 重采样 df['timestamp'] = pd.to_datetime(df['timestamp']) df_resampled = df.set_index('timestamp').resample('1min').mean().reset_index() # 切分（严格时间顺序） train_df = df_resampled[df_resampled['timestamp'] < '2024-02-01'] val_df = df_resampled[(df_resampled['timestamp'] >= '2024-02-01') & (df_resampled['timestamp'] < '2024-02-04')] test_df = df_resampled[df_resampled['timestamp'] >= '2024-02-04'] # 归一化 feature_cols = ['vibration', 'current', 'temperature'] target_cols = ['vibration', 'temperature'] scaler_input = MinMaxScaler() scaler_output = MinMaxScaler() train_X_raw = scaler_input.fit_transform(train_df[feature_cols]) train_y_raw = scaler_output.fit_transform(train_df[target_cols]) val_X_raw = scaler_input.transform(val_df[feature_cols]) val_y_raw = scaler_output.transform(val_df[target_cols]) test_X_raw = scaler_input.transform(test_df[feature_cols]) test_y_raw = scaler_output.transform(test_df[target_cols]) # 构造滑窗序列，T=24（过去24分钟），horizon=12（未来12分钟） def create_sequences(X_data, y_data, T, horizon): X, y = [], [] for i in range(len(X_data) - T - horizon + 1): X.append(X_data[i:i+T]) y.append(y_data[i+T:i+T+horizon]) return np.array(X), np.array(y) T, horizon = 30, 10 X_train, y_train = create_sequences(train_X_raw, train_y_raw, T, horizon) X_val, y_val = create_sequences(val_X_raw, val_y_raw, T, horizon) X_test, y_test = create_sequences(test_X_raw, test_y_raw, T, horizon)

这里有个细节：y的形状是(样本数, horizon, 目标数)，这是Seq2Seq需要的三维格式。如果目标只是预测未来1步，y直接取y_data[i+T]即可，形状就是(样本数, 目标数)。

5.3 模型搭建与训练

用Seq2Seq结构，因为我们要预测未来连续10分钟的走势，输出之间有时间前后的耦合：

from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, RepeatVector, TimeDistributed from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint, ReduceLROnPlateau model = Sequential() model.add(LSTM(64, return_sequences=False, input_shape=(T, len(feature_cols)))) model.add(RepeatVector(horizon)) model.add(LSTM(64, return_sequences=True)) model.add(TimeDistributed(Dense(32, activation='relu'))) model.add(TimeDistributed(Dense(len(target_cols)))) model.compile(optimizer='adam', loss='mae', metrics=['mse']) callbacks = [ EarlyStopping(monitor='val_loss', patience=15, restore_best_weights=True), ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=8), ] history = model.fit( X_train, y_train, validation_data=(X_val, y_val), epochs=100, batch_size=128, callbacks=callbacks, verbose=1 )

训练完之后，看验证loss曲线确认没有过拟合或欠拟合。我的经验是：训练loss和验证loss的gap如果一直很大，说明过拟合，可以减小LSTM单元数或者加Dropout；如果两个loss都横着不动，说明学习率太低或者模型容量不够。

5.4 结果评估

这里我要专门强调一个容易算错的点：反归一化。你在训练时用的是归一化后的y，预测出来的结果也是归一化的，必须用scaler_output.inverse_transform转换回原始物理量才能评估和展示。很多人直接拿归一化误差去讲业务影响，往往会被骂得很惨。比如归一化尺度的MAE是0.02，看着很优秀，但反归一化后可能是2.3度，对设备预警阈值来说可能就是完全不可用的水平。

pred_norm = model.predict(X_test) # pred_norm 形状 (样本数, horizon, 目标数) pred = pred_norm.reshape(-1, len(target_cols)) pred_original = scaler_output.inverse_transform(pred) true = y_test.reshape(-1, len(target_cols)) true_original = scaler_output.inverse_transform(true)

然后再逐个时间步、逐个目标去算MAE、RMSE和方向准确率。

6. 复盘：最值得记住的几个实战教训

这部分算是我踩坑多年后最想写在前面的话。多输入多输出LSTM能不能落地，关键不只是模型结构，还牵涉到数据质量、目标定义和工程约束之间的平衡。

第一，不要迷信LSTM的"记忆能力"。LSTM理论上能捕获长依赖，但实际训练中能稳定捕获的时间依赖通常有限。你也别指望T=1000带来多神奇的效果，训练慢而且容易过拟合。把工程重心放在特征工程和窗口设计上，比堆LSTM层数收益更大。

第二，目标变量之间的动态关系，最好让模型"感知"到。如果目标之间存在已知的强关联或者物理约束（比如温度升高必然导致电流增大），可以在损失函数里加一个耦合惩罚项，或者把目标A也作为目标B的输入特征。多输出架构不一定是唯一的解法，有时做两个单输出模型效果反而更好——当一个目标预测精度要求极高、另一个目标只是参考时。

第三，这件事工作量最大的部分往往不是模型，而是数据清洗和评估体系搭建。我前面说的对齐、归一化、滞后检测，这部分时间通常会占到整个项目的60%以上。模型结构反而在高层次上相对成熟，性能差异拼的主要是数据质量和评估标准。

第四，从简单方案开始迭代，是最快的路径。我习惯先搭建一个全连接单步多输出基线，把这个基线的指标拿到手，再逐步升级到多步、Seq2Seq。直接上复杂模型，一旦效果不好，很难判断是数据问题、窗口问题还是网络结构问题。有了基线，每个环节的增量收益都一目了然。

最后再分享一个小技巧：遇到结果不理想时，先可视化预测曲线和真实曲线的对比图，盯着看10分钟，比盲目调参有用得多。图像会让你一眼看出滞后、偏差和形态问题，这些从数值指标里完全看不出来。把预测和真实画在同一张图里，不同目标分不同子图，这是排查问题最快的路径。

本文还有配套的精品资源，点击获取