CNN-LSTM-Attention 时序预测

CNN 特征增强 + LSTM 序列记忆 + 多头注意力加权

项目简介

在 CNN-LSTM 的基础上引入多头自注意力，突出关键时间步的表达能力，适用于长序列与模式复杂场景。支持 Dropout、早停、优化器/损失函数与注意力头数等高级配置。

作用

• 强化序列关键时刻的权重分配
• 适合复杂、长时依赖的时序预测

API 调用方式

训练模型

• 接口：POST /train
• 关键参数：在通用参数基础上，增加 cnn_channels、cnn_kernel_size、attention_heads、attention_dropout

返回：{"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
• 关键字段：future_features、recent_historical_features、recent_historical_target、model_id

返回关键字段：predictions[]、model_info.sequence_length、input_features、has_lag_features

训练状态 / 模型列表 / 删除模型 / 损失曲线 / 健康检查

• GET /training-status/{task_id}
• GET /models
• DELETE /models/{model_id}
• GET /model/{model_id}/loss-curve
• GET /health