经过带已知协变量训练后，模型预测却失效的问题。

[suntao2015005848]

在LSTNetRegressor训练的时序模型中，经过带已知协变量训练后，模型预测却失效的问题 版本信息： PaddlePaddle: 2.3.2.post112 paddleTs: 1.1.0 模型训练代码：

import pandas as pd

import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler, MinMaxScaler
import datetime
import paddlets
from paddlets import TSDataset
from paddlets import TimeSeries
from paddlets.models.forecasting.dl import * #引入了全部预测模型
from paddlets.models.forecasting import * #引入了全部预测模型
from paddlets.transform import Fill, StandardScaler
from paddlets.metrics import MSE, MAE
import warnings
warnings.filterwarnings('ignore')
from paddlets.automl.autots import AutoTS
import os 
from paddlets.automl.autots import SearchSpaceConfiger
from ray.tune import uniform, qrandint, choice,quniform
from paddlets.transform import TimeFeatureGenerator

# 读取CSV文件
df = pd.read_csv('/home/aistudio/ydl/fh_power_data_expend.csv')
df = df.filter(items=['monitorTime', 'presentValue'])
print(len(df))

target_cov_dataset = TSDataset.load_from_dataframe(
    df,
    time_col='monitorTime',
    target_cols='presentValue',
    freq='5min',
    fill_missing_dates=True,
    fillna_method='pre'
)    
# 是否是工作日
time_feature_generator = TimeFeatureGenerator(feature_cols=['is_workday'])
target_cov_dataset = time_feature_generator.fit_transform(target_cov_dataset)

train_dataset, val_test_dataset = target_cov_dataset.split(0.8)
val_dataset, test_dataset = val_test_dataset.split(0.5)
train_dataset.plot(add_data=[val_dataset,test_dataset], labels=['Val', 'Test'])

lstm = LSTNetRegressor(
    in_chunk_len = 288,
    out_chunk_len = 6,
    max_epochs=3
)
lstm.fit(train_dataset, val_dataset) 

lstm.save(path="/home/aistudio/ydl/mode_fh_expend/lsnet")

模型预测的测试代码：

df = pd.read_csv('/home/aistudio/ydl/test.csv')
df = df.filter(items=['monitorTime', 'presentValue'])

target_cov_dataset = TSDataset.load_from_dataframe(
    df,
    time_col='monitorTime',
    target_cols='presentValue',
    freq='5min',
    fill_missing_dates=True,
    fillna_method='pre'
)    
# print('没有任何协变量：-------------------------------------------------------->')
# print(target_cov_dataset.get_all_cov())

# 是否是工作日
time_feature_generator = TimeFeatureGenerator(feature_cols=['is_workday'])
target_cov_dataset = time_feature_generator.fit_transform(target_cov_dataset)
print('加入时间协变量：---------------------------------------------------------->')
print(target_cov_dataset.get_all_cov())

mod = LSTNetRegressor.load(path="/home/aistudio/ydl/mode_fh_expend/lsnet")
da1 ,da2 = target_cov_dataset.split('2023-09-11 00:05:00')
print('预测数据：---------------------------------------------------------->')
print(da1)
res = mod.predict(da1)
print('不加协变量预测结果：---------------------------------------------------------->')
print(res)

LSTNetRegressor模型参数： 有is_workday已知协变量的预测结果： 无is_workday已知协变量的预测结果： 两次预测结果在有协变量和无限量的情况下相同。LSTNetRegressor协变量对模型预测并未产生影响是什么问题？ 而在测试NBEATSModel模型时候，协变量的变化会影响模型输出的结果。 NBEATSModel模型参数：

[Sunting78]

LSTNetRegressor模型是不支持协变量的

[suntao2015005848]

@Sunting78 其他模型是否支持协变量，有相关的关于内置模型的文档描述吗？我看ts接口文档中并未有过多描述。

[Sunting78]

您好，例如RNN NBeats 算法支持协助变量。具体可以查看模型网络结构代码。