AIE1902 Final — 时间序列预测 WebApp

在线访问

直接在浏览器打开：https://gfm156.com/predictor

上传 .xlsx 文件即可使用，无需本地安装。

---

Windows 本地运行（一键启动）

前提条件

• 已安装 Python 3.9+（下载地址，安装时务必勾选 Add Python to PATH）

启动步骤

1. 解压项目文件夹
2. 双击 start.bat

脚本会自动完成以下操作：

• 检测 Python 环境
• 创建虚拟环境（首次运行）
• 安装所有依赖（首次运行，约 1-2 分钟）
• 启动 WebApp 并自动打开浏览器

首次启动约需 1-2 分钟（安装依赖），后续启动约 5 秒。

如浏览器未自动打开，请手动访问：http://localhost:8501

手动启动（可选）

cd final_test
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
streamlit run app.py --server.port 8501 --server.baseUrlPath ""

---

功能说明

1. 上传数据：上传 .xlsx 文件（须含 y 列，可选 date 列）
2. 一步预测（Part 1）：上传后自动输出下一期预测值 ŷ_{N+1}
3. 滚动回测（Part 2）：按 80/20 时间切分，对测试段进行 rolling one-step 预测，展示：
   • 真实值 vs 预测值折线图
   • RMSE / MAE / MAPE 三项误差指标
4. 下载结果：点击下载按钮获取回测预测结果 .xlsx

预测方法

集成模型（加权融合）：

模型	权重	说明
Auto-ARIMA	75%	自动选阶的自回归模型
XGBoost	20%	基于滞后特征的梯度提升树
Holt-Winters (ETS)	5%	自动选择最优配置的指数平滑

输入文件要求

• 格式：.xlsx（Excel）
• 读取第一个 Sheet
• 必需列：y（数值，不可有缺失值）
• 可选列：date（用于时间轴显示和结果输出对齐）

输出文件格式

• 格式：.xlsx
• 包含列：y（预测值）；若输入有 date，输出也包含 date
• 行数 = 测试集长度（总行数 × 20%）

目录结构

final_test/
├── start.bat              ← Windows 一键启动
├── app.py                 ← 应用入口
├── requirements.txt       ← Python 依赖
├── dataset.xlsx           ← 示例数据
├── core/
│   ├── config.py          ← 配置常量
│   ├── io.py              ← 数据读写
│   └── predictor.py       ← 预测核心逻辑
├── ui/
│   ├── predict_page.py    ← 页面渲染
│   └── theme.py           ← 主题样式
├── .streamlit/
│   └── config.toml        ← Streamlit 配置
└── deploy/                ← 服务器部署脚本