预测概览
ARIMA 基线 · LSTM 深度学习 · ARIMA-LSTM 残差融合 ｜ 全部为 DEMO 演示结果
预测商品数
-个
预测天数
-天
参与模型
-个
最优模型（MAE）
-
最优 MAE
-
最优 MAPE
-%
模型精度对比
-
统一评估窗口：ARIMA ∩ LSTM 测试段（约序列最后 15%），三模型均未参与训练。
未来预测区间（95%）
按 30 / 60 / 90 天
| 模型 | 预测天数 | MAE | RMSE | MAPE | 区间下限 | 区间上限 |
|---|---|---|---|---|---|---|
| 加载中… | ||||||
区间为该模型未来对应天数内预测值上下界的均值，随预测天数拉长而变宽。
图表输出
artifacts/outputs/figures/（由 visualize.py / variety_compare.py / advice.py 生成）
加载中…
数据说明（DEMO）
- 真实数据：仅 2 个采集批次（2026-09-24 / 2026-09-26），
prices_clean 共 631 + 516 条记录、87 个商品；规格级
(商品FK, 规格)两批次仅 11 条可对齐， 因此变化率统计以商品级 79 个商品为主，明细保留外连接并标注匹配状态。 - 模拟数据：真实数据不足以支撑日级时序建模，
故用
scripts/src/models/simulate_series.py生成 25 商品 × 180 天（2026-04-01 起）模拟序列，含趋势 + 季节 + 噪声 + 周末 + 节假日窗口，并按调研资料加入品种 / 皮类 / 连续阴雨与月度价格规则 （薄皮 4 月 +20~30%、6 月 -10%~-20% 等），随机种子固定。 - 产业知识：
artifacts/data/external/*.xlsx由scripts/src/models/export_knowledge.py导出为 CSV（品种知识、月度价格区间、 种植批次），ARIMA 以外生变量、LSTM 以日历 + 天气特征接入； 品种 / 皮类 / 月度对比见 种植建议 页。 - 评估口径：ARIMA 前 80% 拟合、测试段滚动一步预测；LSTM 70/15/15 划分、 序列长度 14、早停 patience=10（前 40 轮热身不计数）；融合与两者共用 ARIMA ∩ LSTM 测试段作为统一窗口。
- 区间口径：ARIMA 用预测标准差 × 1.96，LSTM 用训练残差标准差 × 1.96， 融合区间取两者并集式加宽（DEMO 简化处理）。
- 结论边界：本页所有数值均为演示输出，不作为采购、定价或经营决策依据。