双向 LSTM 时序预测（BiLSTM）

基于历史外部特征 + 目标滞后特征的迭代预测，含模型管理

健康状态：

项目简介

基于 BiLSTM 的时间序列预测服务。训练阶段自动构造目标值滞后特征；预测阶段按滑动窗口迭代输出未来目标值。提供模型训练、预测、训练状态、模型列表/删除、损失曲线与健康检查等接口。

作用

• 适合趋势性强、需考虑目标自身滞后的序列预测
• 支持 Dropout、早停、优化器/损失函数可选，具备验证集评估

API 调用方式

训练模型

• 接口：POST /train
• 说明：异步训练，返回任务 ID。

请求体关键字段：historical_target(float[])、historical_features(float[][])、sequence_length、hidden_size、num_layers、epochs、enable_dropout、loss_function、optimizer、enable_early_stopping、train_val_split、model_name、model_description

返回示例：

{"task_id":"uuid","message":"训练任务已成功提交，正在后台处理","status":"accepted"}

预测

• 接口：POST /predict
• 说明：需要历史特征的最近 sequence_length 个时间点，以及历史目标值最近 sequence_length+1 个时间点。

请求体关键字段：future_features(float[][])、recent_historical_features(float[][])、recent_historical_target(float[])、model_id(可选)

返回示例：

{
  "predictions": [27.2, 28.1, 26.8],
  "model_id": "uuid",
  "model_info": {
    "model_name": "BiLSTM_Model_xxx",
    "sequence_length": 30,
    "input_features": 6,
    "original_feature_size": 5,
    "has_lag_features": true,
    "final_training_loss": 0.02,
    "prediction_method": "iterative_with_lag_target"
  }
}

训练状态

• 接口：GET /training-status/{task_id}

模型列表

• 接口：GET /models

删除模型

• 接口：DELETE /models/{model_id}

损失曲线

• 接口：GET /model/{model_id}/loss-curve

健康检查

• 接口：GET /health