CNN-LSTM 时序预测

CNN 提取特征 + LSTM 序列建模，支持滞后特征与模型管理

健康状态：

项目简介

结合 CNN 的局部模式提取能力与 LSTM 的时序记忆，适用于外部特征较复杂、需进行特征增强的时间序列预测。训练阶段自动构造目标滞后特征；预测使用滑动窗口迭代法。

作用

• 提升外部特征表达能力，改善预测精度
• 支持 Dropout、早停、优化器/损失函数参数化

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

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、model_info.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