简介这是一份面向计算机专业毕业设计及课程设计场景的深度学习实战资源聚焦基于LSTM的蔬菜价格预测任务。项目包含Python源码、项目说明文档与真实蔬菜价格数据集能够覆盖数据预处理、模型训练、评估与预测的完整流程适合正在完成毕设、期末大作业或希望入门时序预测的开发者参考。资源包共181个文件其中142个csv文件用于存放各品种蔬菜历史价格数据涵盖菜心、西红柿、青皮冬瓜等常见品种25个py文件为模型相关代码另有pyc、docx和md文件分别对应运行缓存、项目说明与使用指引整体仅1.86MB轻量易部署。目前已有271人学习下载具备较高参考热度。通过该项目可掌握LSTM在时间序列预测中的实际调用方法理解数据集的划分与特征构建思路并借助完整的说明文档快速复用代码有效提高毕业设计的完成效率。1. 蔬菜价格预测这条路为什么值得用 LSTM 走一遍生鲜蔬菜的价格波动是典型的非线性时序问题受天气、节假日、供应链和批发市场情绪共同影响今天的一块钱差价明天可能变成三毛还是三块的区别。传统 ARIMA 和指数平滑方法在平稳序列上尚可一战但一遇到季节性和突发扰动残差就大到没法看。深度学习里的 LSTM长短期记忆网络天生就是为序列建模设计的它通过门控机制记住“该记的”忘掉“该忘的”在果蔬这类短期强相关、长期有趋势的数据上比普通 RNN 稳得多。这个标题封装的其实是一套完整最小工程闭环Python 数据处理、LSTM 模型搭建、训练与评估、以及带项目说明和数据集的可交付源码。对要做毕业设计或入门时序预测的人来说它的价值不只是“能跑通”而是能看清从原始 CSV 到预测曲线的每一步是为什么。我下面按自己会做这类项目的顺序把数据怎么切、网络怎么搭、参数怎么调、坑在哪完整过一遍。每段都有能直接复制的代码不是概念演示。2. 蔬菜价格数据集的处理从 CSV 到 LSTM 能吃的样本2.1 数据字段与采样频率的判断拿到“蔬菜价格数据集”第一步不是建模而是先搞清楚它长什么样。常见蔬菜价格数据集的字段大致如下字段示例说明日期2023-01-03交易日注意是否跳过周末品种黄瓜、西红柿、菠菜每个品种一个序列不能混在一起训练批发均价3.42单位通常是元/公斤最高价/最低价4.10 / 2.80可做辅助特征交易量8560批发市场成交量对价格有滞后影响我一般会先做一次数据体检看日期连续性、缺值比例、异常值比如单价为 0 或突然翻倍。不要在这一步省时间后面模型不收敛、Loss 变成 NaN八成要回到这里找原因。import pandas as pd df pd.read_csv(vegetable_price.csv, parse_dates[date]) df df.sort_values([product, date]).reset_index(dropTrue) # 按品种检查缺失日期和价格异常 for name, grp in df.groupby(product): grp grp.set_index(date) full_idx pd.date_range(grp.index.min(), grp.index.max(), freqD) missing_dates full_idx.difference(grp.index) if len(missing_dates) 0: print(f{name}: missing {len(missing_dates)} days, e.g. {missing_dates[:3].tolist()}) print(f{name}: price range {grp[price].min():.2f} ~ {grp[price].max():.2f})这段代码做的事很直接按品种分组、排序、检查每一天是否有记录。print 输出的缺失日期列表能帮你判断是周末休市还是单纯采集中断。如果是休市就不要人为补 0否则会把一个“无交易”的假信号灌进模型如果是采集缺失用前向填充就够因为蔬菜价格是连续缓变信号前一天的成交价本身就是最好的缺失估计。这里也顺带说明LSTM 建模用的是样本的时序依赖不是让模型看一整年所有天数的原始序列所以样本构造方式是下一步的核心。2.2 滑窗切分构造监督学习样本的核心方式LSTM 本身接收的是形如(batch, timesteps, features)的三维张量。原始的一维价格序列必须切成长度为lookback的输入窗口和对应的预测目标这个“滑窗”操作是所有时序深度学习模型共同的前置步骤。窗口太短学不到周期太长则引入噪声、增加训练成本蔬菜数据一般取 715 天是合理区间。import numpy as np def create_sequences(data, lookback10, horizon1): 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) price df[df[product] 黄瓜][price].values.astype(float32) X, y create_sequences(price, lookback10, horizon1) print(fX shape: {X.shape}, y shape: {y.shape})horizon1表示用前 10 天预测后 1 天这是最简单也最稳定的设定。如果你做毕设想加亮点可以把horizon改成 3 或 7变成多步预测但多步预测的误差会累积模型评估起来也复杂得多建议作为扩展项而不是默认方案。2.3 归一化方法选择与反归一化时机LSTM 使用 tanh 和 sigmoid 作为激活函数输入数值范围如果过大或过小梯度会很快饱和训练几乎不动。对价格这类有界正值数据MinMaxScaler 是最稳妥的选择把数据缩放到 [0,1] 区间如果你要预测的是价格变动率可能为负就要用 StandardScaler否则负值会被 MinMaxScaler 截断成 0。下面这段代码里藏了一个很多人会犯的错我特意标出来了from sklearn.preprocessing import MinMaxScaler scaler MinMaxScaler(feature_range(0, 1)) # 注意只用训练集拟合 scaler测试集只做 transform防止未来信息泄漏 train_len int(len(price) * 0.8) scaled_price scaler.fit_transform(price.reshape(-1, 1)).flatten() train_data scaled_price[:train_len] test_data scaled_price[train_len:] X_train, y_train create_sequences(train_data, lookback10, horizon1) X_test, y_test create_sequences(test_data, lookback10, horizon1) # 维度调整为 (samples, timesteps, features) X_train X_train.reshape(X_train.shape[0], X_train.shape[1], 1) X_test X_test.reshape(X_test.shape[0], X_test.shape[1], 1)要特别强调scaler.fit_transform只能作用于训练集。曾在实际项目中看到有人对整个序列先归一化再切分测试集的统计信息已经参与到了归一化参数的拟合中导致验证集 Loss 显著偏低但真实上线后模型表现落差很大。对毕设答辩来说这一点如果被评委问到你说不清楚会很减分。测试集上的预测结果必须用同一个 scaler 反向变换回原价格单位才能计算 RMSE 和 MAPE。3. 基于深度学习 LSTM 的价格预测模型构建3.1 网络结构设计LSTM 层数、隐藏单元数与 Dropout 的平衡搭建 LSTM 模型时最常见的问题是“层数越深越好”的直觉误导。蔬菜价格序列的复杂度远不及自然语言单层 LSTM 通常已经能捕捉到主要的价格周期强行堆到三层以上不仅训练时间变长还很容易在训练集上过度拟合测试集误差反而增大过拟合在时间序列预测里比分类任务更难察觉。我的常用配置是输入层后接一层含 64 或 128 个单元的 LSTM接 Dropout0.2再全连接输出。如果序列长度较长超过 30 天或数据量大才考虑堆两层并在两层之间加 Dropout。import torch import torch.nn as nn class PriceLSTM(nn.Module): def __init__(self, input_size1, hidden_size64, num_layers1, dropout0.2): super().__init__() self.lstm nn.LSTM( input_sizeinput_size, hidden_sizehidden_size, num_layersnum_layers, batch_firstTrue, dropoutdropout if num_layers 1 else 0, ) self.fc nn.Linear(hidden_size, 1) def forward(self, x): out, _ self.lstm(x) # out: (batch, seq_len, hidden) out out[:, -1, :] # 取最后一个时间步 return self.fc(out)batch_firstTrue让输入张量维度是(batch, timesteps, features)和numpy里创建样本的维度保持一致减少维度错乱。out[:, -1, :]取最后一个时间步的隐藏状态做预测这是序列预测的标准做法——用整个窗口的信息压缩到最后一步输出价格。如果你取全部时间步再平均会稀释近期信息的权重效果通常更差。3.2 损失函数与优化器MAE 比 MSE 对异常价格更鲁棒价格预测任务里MSE均方误差是默认选择因为它处处可导、优化稳定。但蔬菜价格偶尔会出现极端值比如台风天菠菜一夜翻倍这种离群样本在 MSE 下会产生巨大的梯度模型会为了拟合这一天而牺牲正常时段的预测精度。MAE平均绝对误差对离群值更鲁棒但导数是常数收敛到最优点附近时不够精细。实践里的常见做法是 Smooth-L1 LossHuber Loss。criterion nn.SmoothL1Loss(beta0.5) optimizer torch.optim.Adam(model.parameters(), lr1e-3) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.5, patience5 )SmoothL1Loss的beta0.5意味着误差绝对值小于 0.5 时走 MSE大于时走 MAE正好兼顾精度和鲁棒性。ReduceLROnPlateau每 5 个 epoch 验证 Loss 不下降就降低学习率比固定学习率跑到底更实用。Adam 的初始学习率 1e-3 对 LSTM 是安全起点如果你发现 Loss 在前几个 batch 里震荡上升优先把 lr 降到 3e-4而不是换优化器。3.3 训练循环中的关键细节验证集切分与早停训练 LSTM 时验证集的切分方式与普通机器学习不同。随机打乱数据会破坏时间顺序正确做法是按时间顺序截取最后 10%20% 作为验证集。每一次迭代后用验证集计算 Loss连续多个 epoch 不下降就早停。def train_model(model, X_train, y_train, X_val, y_val, epochs100, patience10): train_losses, val_losses [], [] best_val_loss float(inf) bad_epochs 0 for epoch in range(epochs): model.train() epoch_loss 0 for i in range(0, len(X_train), batch_size): batch_X torch.tensor(X_train[i : i batch_size], dtypetorch.float32) batch_y torch.tensor(y_train[i : i batch_size], dtypetorch.float32) optimizer.zero_grad() pred model(batch_X) loss criterion(pred, batch_y) loss.backward() nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0) optimizer.step() epoch_loss loss.item() val_loss evaluate(model, X_val, y_val) train_losses.append(epoch_loss / (len(X_train) // batch_size)) val_losses.append(val_loss) if val_loss best_val_loss: best_val_loss val_loss bad_epochs 0 torch.save(model.state_dict(), best_model.pt) else: bad_epochs 1 if bad_epochs patience: print(fEarly stop at epoch {epoch}) break scheduler.step(val_loss) return train_losses, val_losses这段代码里有两个不能省的细节梯度裁剪和保存最优权重。clip_grad_norm_把梯度范数限制在 1.0 以内LSTM 在长序列上很容易梯度爆炸裁一下训练会稳非常多torch.save只在验证 Loss 改善时保存避免最后一轮已经过拟合时把模型权重覆盖掉。早停的patience设为 10 在百轮训练内是均衡值数据量小可以调小到 5防止验证集上抖动导致提前退出。4. 模型评估与训练中那些不在报错里的坑4.1 逆归一化后的评估指标RMSE 和 MAPE 各看什么训练过程中的 Loss 数值是在归一化区间内的无法直观反映“预测差了几毛钱”必须把预测结果反变换回来再算指标。RMSE均方根误差对大误差更敏感适合衡量风险MAPE平均绝对百分比误差则直观反映“平均偏差百分之几”但价格接近 0 时计算结果会爆炸蔬菜价格一般不会出现这种情况所以两者可以同时看。model.eval() with torch.no_grad(): pred_scaled model(torch.tensor(X_test, dtypetorch.float32)).numpy() pred scaler.inverse_transform(pred_scaled) y_test_actual scaler.inverse_transform(y_test) rmse np.sqrt(np.mean((pred - y_test_actual) ** 2)) mape np.mean(np.abs(pred - y_test_actual) / y_test_actual) * 100 print(fRMSE: {rmse:.4f} 元/公斤, MAPE: {mape:.2f}%)RMSE 在 0.3 元/公斤左右对蔬菜批发价算不错MAPE 能压到 8% 以内说明模型学到了核心规律。评估时我习惯把整个测试期的预测曲线和真实曲线画在一张图上肉眼看相位是否对齐——有时候指标不差但预测曲线比真实曲线滞后一两天说明模型学到的是“把昨天的价格复制过来”这时候要看特征工程是不是缺失了滞后变量或天气信息。4.2 LSTM 训练中的两个隐性坑数据泄漏与随机种子数据泄漏不止发生在归一化那一步滑窗本身也可能泄漏。比如你预测未来一天但滑窗中包含了几小时前刚发生但实际在预测时点之后才产生的数据——这在标准日频数据里不常见但如果你的数据集粒度是小时级就要格外小心。毕设项目一般按天采样这个问题相对小但答辩时能主动提出来说明你真理解了时序建模的本质。随机种子不固定会导致每次训练结果不一样这在论文和毕设里是致命的——老师跑一次你的代码结果和你报告里的对不上印象分会打折扣。def set_seed(seed42): np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.backends.cudnn.deterministic Truecudnn.deterministic True会牺牲少量训练速度换取可复现性。注意即使设了随机种子在 GPU 上跑多线程 DataLoader 仍然可能引入不确定性我的经验是把num_workers设为 0 或者固定worker_init_fn在毕设场景下 CPU 训练完全够用不需要折腾这个。4.3 多步预测的策略递归预测 vs 直接预测如果你的项目说明里要求预测未来 3 天或 7 天那么不能用单步模型连续预测——误差会按步数累积预测 7 天后的曲线基本变成一条近似水平的线这个现象在评委演示时非常尴尬。常见做法有两种递归预测预测出第 1 天把它拼到输入序列末尾再预测第 2 天。实现简单但误差逐日叠加。直接预测训练阶段就构造“用前 10 天预测未来第 3 天”的样本每个预测步单独训练一个模型。精度更高训练成本翻倍。def recursive_predict(model, last_seq, steps7, scalerNone): model.eval() current torch.tensor(last_seq, dtypetorch.float32).unsqueeze(0) preds [] with torch.no_grad(): for _ in range(steps): p model(current) preds.append(p.item()) p_scaled p.unsqueeze(0) current torch.cat([current[:, 1:, :], p_scaled], dim1) return scaler.inverse_transform(np.array(preds).reshape(-1, 1))递归预测时输入的窗口被逐步挪动因此需要反复构造新的输入序列这也是毕设项目里展示“你真正理解时间序列预测”的一个好切入点。直接预测法下样本构造需要单独写一个create_multi_output_sequences函数目标值改为未来第 k 天的价格逻辑不复杂但要在项目说明里写清楚否则别人看代码会困惑。5. 用真实场景校验这个模型到底能做什么蔬菜价格预测模型放在真实业务里核心不是“预测明天多少钱”而是帮助判断采购量、库存周转和定价策略。比如当 LSTM 预测未来三天黄瓜价格持续上涨时批发商可以提前囤货或调整订单量反之则降低库存水位。但要注意模型预测的是趋势和正常波动突发性事件如极端天气、市场管控等LSTM 无法提前预知它的输出只能作为决策参考的一环而非唯一依据。一个具体可落地的做法是把训练好的模型封装成一个简单的 Python 类对外暴露predict_next_days(product, days)接口业务方只需要传入品种名称和预测天数就能得到明天的预测价格。这不仅让代码更整洁也方便嵌入式部署或在 Web 服务里调用。这类“模型 服务化”的结构在毕业设计展示和实际业务切入里都是加分项。真正有用的模型不是躺在 Notebook 里的那几行训练代码而是别人能调、结果能解释、边界能说清。预测结果的稳定性比单次预测的精度更重要。我的经验是每次训练完保留模型权重文件并记录当时的验证集指标和特征参数。下次数据更新时重新训练对比新旧模型的误差变化如果新数据下 MAPE 明显上升优先检查是否出现了新的价格模式如新品种上线、消费习惯变化而不是急着调网络结构。本文还有配套的精品资源点击获取