第十七章 时序探，默契深
2020年11月下旬，清溪镇的寒风愈发刺骨，清晨的校园被一层薄霜覆盖，香樟树的枝干上凝结着细密的冰粒，在微弱的晨光中泛着冷冽的光泽。气温降至零下两摄氏度，学生们裹着厚重的衣物，像一个个圆滚滚的棉球，步履匆匆地穿梭在教学楼与食堂之间，嘴里呼出的白气在冷空气中凝结成短暂的白雾。李长生换上了最厚的一套衣服，福利院阿姨织的灰色毛衣外面套着旧外套，下身是一条洗得发白的牛仔裤，晨跑时依旧跑得大汗淋漓，只是这次他没有立刻脱掉外套，而是等汗水稍干后，才在教学楼的走廊里透气——连续高强度开发后，他学会了照顾自己的身体，毕竟健康的体魄，是支撑他走得更远的基础。
高一（3）班的课堂上，李长生的「中等生」伪装依旧稳如磐石。
第七次周测成绩公布，他的名字停留在班级第二十四名，比上次前进一名，依旧卡在「不被关注」的安全区。这次控分，他几乎不用刻意计算，凭着直觉就能精准拿捏分数：数学卷的导数题，他故意在最后一步计算时出现一个微小的失误，扣掉一分；物理卷的多选题，刻意少选一个正确选项，确保分数在95分左右；英语作文依旧按模板写作，只是在结尾处稍微改动了两个句子，让分数比上次略高一分，符合「稳步前进」的中等生轨迹；语文阅读题则故意在主观题上写得不够全面，扣掉两分，让总分稳稳落在班级中游。
班主任刘老师在班会上依旧重点表扬成绩靠前的同学，对中间排名的学生只是一笔带过，甚至没有念到李长生的名字。同学们更是对他毫无印象，讨论排名时，目光大多集中在成绩波动大的同学身上，没有人会留意到这个始终在中游徘徊的沉默少年。只有王帆，在看到排名表时，目光会短暂地停留在他的名字上，然后轻轻点头，仿佛早已习惯了他的「稳定」。
课堂上，李长生依旧是那个「标准听众」，坐得笔直，低头看着课本，手里的笔看似在记录知识点，实则在草稿纸上快速勾勒着时间序列预测的模型框架——ARIMA模型的参数选择、LSTM神经网络的层结构设计，这些问题在他的脑海里反复盘旋。
数学课上，老师讲着「数列的递推公式」，他立刻联想到了时间序列中的「自相关性」——数列的第n项与前几项相关，而时间序列的当前值也与历史值存在关联，两者的逻辑有着异曲同工之妙。他在草稿纸上写下递推公式，再对照ARIMA模型的自回归项，思路瞬间清晰了不少。
物理课上，老师讲着「振动与波」，周期性的波动让他想到了时间序列中的「周期性特征」——门店的客流通常会呈现出日周期、周周期，就像波的振动一样，有固定的频率和振幅。他开始思考如何用傅里叶变换提取客流数据的周期性特征，为模型训练提供更有效的输入。
这种跨学科的知识联动，已经成为他的本能。高中的文化课不再是他需要刻意应付的任务，而是他理解复杂AI算法的「辅助工具」，让他能更快地掌握新的技术知识。
课间，他依旧独来独往，只是不再像以往那样只是趴在桌上或站在走廊尽头，偶尔会拿出手机，快速浏览时间序列预测的相关论文，或是在脑海里模拟LSTM模型的训练过程。王浩依旧会拉着他去打游戏，他还是摇头拒绝，只是偶尔会补充一句「还有事要做」，而不是简单的「不用」。王浩也不气馁，只是拍拍他的肩膀说「下次再约」，便转身离开。
对李长生而言，现在的「要事」，就是那个报酬1500元的「门店客流预测」项目。这是他第一次接触时间序列预测领域，也是他接到的报酬最高的项目，对他而言，既是巨大的挑战，也是一次难得的成长机会。
而他与王帆的相处，在这凛冽的寒冬里，愈发默契，那份淡淡的暖意，也变得更加真切，更加自然。
天气越来越冷，教室的暖气开得很足，空气里弥漫着一股温暖的气息。王帆依旧每天带着那个粉色的保温杯，课间会主动把杯子递给他，说：「刚倒的热水，你喝点暖暖身子。」他会接过杯子，喝上几口，然后轻声说一句「谢谢」，再把杯子还给她。
两人之间的交流也越来越多，不再局限于学习上的问题。王帆会问他：「你每天早上都跑那么久，不累吗？」他会回答：「习惯了，能让头脑清醒。」她会好奇地问：「你总是一个人待着，不觉得无聊吗？」他会淡淡一笑，说：「不会，我有自己要做的事。」
她知道他性格沉默，话不多，所以从不追问他「要做的事」是什么，只是默默尊重他的隐私。而他，也会在她分享日常时，认真倾听，偶尔点头回应。比如，她会说：「周末我妈妈给我做了红烧肉，特别好吃。」他会说：「挺好的。」她会说：「昨天看了一部电影，结局有点感人。」他会说：「是吗？」
这些对话很平淡，却充满了生活气息，让两人之间的距离越来越近。
他们依旧是教室里最安静的同桌，却在细微处有着旁人无法察觉的默契。她会在他熬夜开发后，悄悄在他的桌角放一包饼干，附上一张便签：「记得吃点东西。」他会在她感冒时，默默把自己的感冒药放在她的桌上，写一张纸条：「按时吃，多喝热水。」
有一次，王帆的钢笔坏了，写不出字，急得满头大汗。李长生看到后，默默从书包里拿出一支崭新的钢笔，递给她。这支钢笔是他用第一次接项目赚的钱买的，平时很少用，一直珍藏着。她惊讶地看着他，说：「这是你的新笔吧？我用了，你怎么办？」他说：「我还有一支，你先用着。」
她接过钢笔，笔身冰凉，却仿佛带着他手心的温度。她低头看着钢笔，轻声说：「谢谢你，我用完就还给你。」他摇摇头，说：「不用了，送给你。」
她愣了一下，随即眼睛亮了起来，嘴角扬起一抹灿烂的笑容，说：「真的吗？那太谢谢你了！」这是她第一次在他面前笑得如此灿烂，像冬日里的阳光，温暖而耀眼。他看着她的笑容，心里也泛起一丝淡淡的暖意，轻轻点了点头。
从那以后，王帆每天都用这支钢笔写字，每当看到钢笔，就会想起他沉默而温柔的样子。
没有人注意到他们之间的这些变化，在其他人眼里，他们只是关系还不错的同桌。但只有他们自己知道，在这份沉默的相处中，一种特殊的情感，正在慢慢滋生，不是爱情，而是超越普通同学的默契与信任。
郊外的小木屋里，依旧是他的主战场，也是他探索时间序列预测领域的地方。
新电脑的屏幕每天都会亮到深夜，冷白色的光芒照亮了整个木屋，也照亮了他专注的脸庞。「门店客流预测」项目的难度，远超他之前做过的任何一个项目。时间序列预测与分类任务不同，它需要处理的是具有时间依赖性的数据，需要考虑数据的趋势性、周期性、季节性等特征，模型的搭建和优化也更加复杂。
客户提供的数据集是某门店过去一年的客流数据，包含日期、星期、节假日、天气、温度、客流量等字段，要求根据这些数据，预测未来一个月的门店客流量，预测准确率不低于90%。客户还特别强调，预测结果要尽可能精准，因为这将直接影响门店的库存管理和人员调度。
拿到数据集后，李长生没有立刻搭建模型，而是先对数据进行了全面的探索性分析。他用Pandas对数据进行清洗和预处理，处理缺失值和异常值；用Matplotlib绘制时间序列图，分析客流量的趋势性、周期性和季节性特征。
通过分析，他发现门店的客流量呈现出明显的周周期性——周一到周五的客流量相对稳定，周末的客流量明显增加；同时还存在季节性特征——夏季和冬季的客流量高于春季和秋季；此外，节假日、天气和温度也会对客流量产生一定的影响，比如节假日客流量会大幅增加，雨天客流量会减少。
这些发现，为他后续的模型选择和特征工程提供了重要的依据。
接下来，他开始进行特征工程。他根据探索性分析的结果，构建了一系列新的特征：
1. 时间特征：提取年、月、日、星期、小时等时间特征，并用独热编码转换；
2. 周期性特征：构建周周期特征（是否为周末）、月周期特征（是否为月末）、季节特征（春夏秋冬）；
3. 特殊日期特征：构建是否为节假日、是否为节假日前后等特征；
4. 天气特征：将天气类型（晴天、阴天、雨天、雪天）进行编码，保留温度特征；
5. 滞后特征：构建客流量的滞后1天、滞后7天、滞后30天等特征，捕捉数据的时间依赖性；
6. 滚动统计特征：计算客流量的7天滚动均值、7天滚动方差、30天滚动均值等特征，反映数据的趋势变化。
特征工程完成后，他将数据集分为训练集和测试集，训练集占80%，测试集占20%，并对特征进行了标准化处理，确保模型的收敛速度。
接下来是模型选择。时间序列预测的模型有很多，比如传统的ARIMA模型、指数平滑模型，以及深度学习中的LSTM、GRU等模型。经过反复权衡，他决定同时搭建ARIMA模型和LSTM模型，对比两者的预测效果，选择最优模型。
他先搭建了ARIMA模型。ARIMA模型的核心是确定p（自回归项）、d（差分次数）、q（移动平均项）三个参数。他通过自相关函数（ACF）和偏自相关函数（PACF）图，初步确定了p=3、d=1、q=2的参数组合，然后用网格搜索对参数进行优化，最终确定了最优参数p=4、d=1、q=3。
训练完成后，ARIMA模型在测试集上的预测准确率为86.5%，虽然表现不错，但没有达到客户要求的90%。而且，ARIMA模型对非线性特征的捕捉能力有限，无法很好地处理天气、节假日等外部因素的影响。
于是，他决定搭建LSTM模型。LSTM（长短期记忆网络）是一种特殊的循环神经网络（RNN），能够有效捕捉时间序列数据的长期依赖关系，非常适合处理复杂的时间序列预测任务。
他设计的LSTM模型结构如下：
-输入层：接收处理后的特征向量；
-嵌入层：将时间特征进行嵌入，降低维度；
- LSTM层1：64个神经元，返回序列；
- LSTM层2：32个神经元，不返回序列；
- Dropout层： dropout率为0.2，防止过拟合；
-全连接层1：16个神经元，激活函数为ReLU；
-输出层：1个神经元，输出预测的客流量。
模型搭建完成后，他设置了优化器为Adam，学习率为0.001，损失函数为均方误差（MSE），训练轮数为100，批次大小为32。
第一次训练，模型在测试集上的预测准确率为88.3%，比ARIMA模型有了明显提升，但依旧没有达到90%的目标。而且，从训练曲线可以看出，模型在训练集上的损失不断下降，但在测试集上的损失下降到一定程度后就开始波动，存在轻微的过拟合现象。
接下来，他开始对LSTM模型进行优化。他从多个方面入手：
首先，解决过拟合问题。他增加了Dropout层的dropout率，从0.2调整为0.3；在全连接层后也加入了Dropout层；同时，加入了L2正则化，惩罚过大的权重，减少模型的复杂度。
其次，调整模型结构。他增加了LSTM层的神经元数量，将第一层的64个增加到128个，第二层的32个增加到64个；在LSTM层后加入了批归一化（BatchNormalization）层，加快模型的收敛速度，提高模型的稳定性。
再次，优化超参数。他通过网格搜索，调整了学习率、批次大小、训练轮数等超参数。将学习率从0.001调整为0.0005；批次大小从32调整为64；训练轮数从100增加到150。
最后，优化特征工程。他删除了一些相关性较低的特征，增加了一些新的滞后特征和滚动统计特征，进一步提升特征的表达能力。
每一次优化，他都要重新训练模型，观察预测准确率和损失曲线的变化。这个过程依旧繁琐而枯燥，往往一次训练就要花费半个多小时，而一次优化效果不佳，就需要重新调整参数，再次训练。
但他没有丝毫急躁，反而更加专注。时间序列预测的难度远超他的预期，客户提供的数据中存在很多噪声，而且外部因素的影响复杂，想要达到90%的准确率，需要付出更多的努力。
新电脑的算力在这个过程中依旧发挥着关键作用。LSTM模型的训练需要大量的计算资源，尤其是在增加了神经元数量和训练轮数后，训练时间大幅增加。如果是在旧电脑上，一次训练可能需要几个小时，而在新电脑上，仅仅需要半个多小时，这让他能更快地看到优化效果，调整参数。
深夜的小木屋里，只有键盘的清脆敲击声，和屏幕上不断跳动的训练进度条。李长生坐在电脑前，手指在键盘上快速敲击，眼睛紧紧盯着屏幕上的准确率数据，眼神里充满了专注与执着。窗外的寒风呼啸着，卷起地上的落叶，发出呜呜的声响，却丝毫没有影响到他。
他忘记了时间，忘记了疲惫，饿了就吃几口面包，渴了就喝一口水，累了就靠在椅背上休息几分钟，然后立刻继续工作。
就这样，经过四天四夜的高强度优化，他的努力终于有了回报。
当他最后一次按下运行键，模型开始训练。屏幕上的进度条一点点前进，训练集和测试集的准确率不断上升，损失不断下降。当训练完成时，屏幕上显示的结果，让他激动不已。
测试集准确率：91.7%
不仅达到了客户要求的90%，还超出了1.7个百分点！
而且，模型的过拟合问题得到了很好的解决，训练集和测试集的损失曲线都平稳下降，最终趋于一致。
那一刻，李长生靠在椅背上，长长地舒了一口气，嘴角扬起了一抹欣慰的笑容。连续四天四夜的努力，无数次的调试和优化，终于换来了成功。
他没有立刻休息，而是对模型进行了全面的测试。他用模型预测了未来一个月的门店客流量，并与实际的历史数据进行对比，发现预测结果与实际数据的趋势高度一致，误差很小。他还绘制了预测值与实际值的对比图、误差分布图等可视化图表，直观地展示模型的预测效果。
随后，他开始撰写项目报告。他将数据探索性分析、特征工程、模型搭建与优化、预测结果等内容，详细地写进报告里，还附上了各种可视化图表和模型的性能指标，让客户能清晰地看到模型的优势和预测效果。
做完这一切，已经是清晨六点多。天已经亮了，窗外的阳光透过薄雾洒进来，照亮了整个木屋。他看了一眼时间，知道自己该去学校了。
他快速收拾好东西，将训练好的模型文件、预测结果、项目报告一起打包，发送给了买家。然后，他锁上小木屋的门，朝着学校的方向走去。
连续四天四夜没有好好休息，他的身体已经极度疲惫，眼睛里布满了血丝，脚步也有些虚浮。但他的眼神，却依旧坚定，充满了成就感和喜悦。
走到半路，手机震动了一下，是外包平台的消息提醒。他点开一看，是买家的回复，还有一条报酬到账的通知。
买家的消息充满了赞赏：「太惊艳了！预测准确率竟然达到了91.7%，远超我的预期！报告写得非常详细，可视化图表很直观，我能清楚地看到未来一个月的客流趋势，这对我的门店管理太有帮助了！你真的是我遇到过的最专业的开发者！五星好评！以后有任何AI项目，我都找你！」
紧接着，报酬到账的提醒弹了出来：1500元。
他点开余额界面，屏幕上的数字清晰地显示着：13110元。
突破一万三千元了！
这个数字，对他而言，不仅仅是金钱的积累，更是能力的证明。他用自己的努力，证明了自己不仅能做数据分析、图像分类项目，还能做更复杂的时间序列预测项目，证明了自己在AI领域的学习是卓有成效的。
走到学校门口，早自习的铃声刚好响起。他深吸一口气，压下心中的激动，整理了一下衣服，迈步走进了校园。
教室里，王帆已经坐在了座位上，正在认真地早读。看到他走进来，她抬起头，目光落在他布满血丝的眼睛上，眼神里闪过一丝担忧，轻声说：「你又熬夜了？脸色好差。」
他愣了一下，随即点了点头，轻声说：「嗯，刚忙完一件事。」
她没有追问是什么事，只是默默从书包里拿出一包牛奶和一个面包，放在他的桌上，说：「还没吃早饭吧？快吃点。」
他看着桌上的牛奶和面包，心里涌起一股暖流。他知道，她是在关心他。他拿起面包，撕开包装，咬了一口，柔软的面包在嘴里化开，带着淡淡的甜味。他又拿起牛奶，喝了一口，温热的牛奶顺着喉咙流下，温暖了他疲惫的身体。
「谢谢你。」他抬起头，看着她的眼睛，认真地说。
她笑了笑，摇了摇头，说：「不用客气，快吃吧，吃完还要早读呢。」
说完，她便低下头，继续早读，耳根却悄悄泛红了。
李长生坐在座位上，一边吃着面包，一边喝着牛奶，心里充满了温暖。他知道，在这个陌生的小镇，在这个没有亲人的地方，有这样一个默默关心他的同桌，是一件多么幸运的事。
早自习结束后，他的手机又震动了一下，是外包平台的消息。他点开一看，是一个新的买家发来的私信，想要委托他做一个「股票价格预测」的项目，报酬2000元。
看到这个消息，他的眼睛瞬间亮了起来。股票价格预测是时间序列预测领域的经典问题，难度更大，挑战性也更强，但同时，也能让他学到更多的知识。
他没有丝毫犹豫，立刻回复了买家，说：「您好，我有兴趣接这个项目，麻烦发一下详细的需求文档。」
买家很快就发送了需求文档，他快速浏览了一遍，心里已经有了初步的思路。
这个项目，将是他接下来的新挑战。
也是他在AI领域，迈出的又一步。
窗外的阳光越来越明亮，透过窗户洒进来，落在教室里，带来温暖的气息。李长生看着窗外，眼神里充满了坚定和期待。
高一的时光，还在继续。
他的双轨生活，依旧稳定而坚定。
学校里，他是沉默的中等生，在寒冷的冬日里，感受着同桌带来的温暖与默契。
小木屋里，他是专注的AI学习者，在时间序列预测的领域里，不断探索，不断突破。
他的AI之路，还很长，还有很多的知识需要学习，还有很多的挑战需要面对。但他不再孤单，因为有一个人，在默默关心他，支持他。
他的未来，充满了无限可能。
而他知道，只要自己坚持不懈，一步一个脚印地走下去，就一定能实现自己的梦想，走出这个小镇，在AI领域闯出一片属于自己的天地。
新的一天，新的挑战，他已经准备好了。