用气温数据入门预测模型：一次实践记录

前阵子帮一个做农业的朋友看大棚温度记录，他问我能不能根据过去三年的数据预测下个月的平均气温。我拿到的表很简单，每天一行：日期、最高温、最低温、平均温。一共1096条记录，没有缺失。这个体量不大，正好适合用来讲清楚预测模型到底在做什么。很多人以为预测就是套一个高级算法，其实第一步永远是观察数据本身。我把三年的日平均温画成折线图，横轴是日期，纵轴是温度。肉眼看过去，每年都有一条明显的波峰波谷，大约在7月中旬达到最高，1月上旬落到最低。这就是最基础的走势：周期性。

观察完走势，下一步是拆解。我算了一下，三年日平均温的总均值是16.3摄氏度，标准差7.8。但直接拿均值去预测任何一天都不靠谱——夏天会差十几度。于是我把数据按月份分组，得到12个月的平均值：1月3.1度，4月15.2度，7月28.4度，10月17.6度。这组月均值已经比单一均值好很多。去年7月15日实际平均温是29.1度，用7月均值28.4度去猜，误差只有0.7度。但如果用全年均值16.3度，误差接近13度。这说明预测模型的第一层价值，就是找到合适的参照系。

有了月度参照系，我试着做一个最简单的预测：下个月的平均温等于去年同月平均温。比如要预测今年8月，就拿去年8月的均值来用。回测过去两年，12个月的预测误差在0.4到2.1度之间，平均绝对误差约1.2度。这个结果不算精确，但对于农业决策——比如要不要提前揭膜——已经能提供参考。这里的关键在于，我们用的是真实数据做回测，而不是凭感觉说“差不多”。1.2度的误差意味着，如果实际温度比预测低1.5度，就要警惕倒春寒之类的异常。

上面这个模型叫“季节性朴素预测”，名字听起来唬人，原理一句话：去年同月怎么样，今年同月就怎么样。它不考虑趋势变化，也不考虑随机波动。我试过加一个趋势项——计算每年同月均值的线性变化。结果发现，三年里4月和10月的均值每年上升约0.3度，而7月和1月几乎没变。这个趋势很弱，加进去之后回测误差只从1.2度降到1.1度。对于三年这么短的数据，这点提升不值得增加复杂度。一个实用的经验是：数据量少于五年时，优先用简单模型，把精力花在检查异常值上。

检查异常值的时候，我发现2022年3月有一周的平均温比前后十天低了6度。查了一下，那是一次寒潮。如果直接拿这个月的均值去预测未来，就会把寒潮的影响当成常态。处理办法很简单：把那一周的数据标记出来，预测时用前后两周的插值替代。修正后，3月的均值从9.8度调整到11.2度，更接近常年。这个例子说明，预测模型不是越复杂越好，而是要先保证输入的数据能反映真实走势。一个被寒潮拉低的月均值，会让后续所有预测都偏低。

最后说验证。我把1096条数据按时间顺序分成两部分：前两年用来训练，最后一年用来测试。测试方法是滚动预测——每次用之前所有数据预测下一天，然后加入真实值再预测下一天。最终平均绝对误差是2.3度。这个数字比月度预测的1.2度差，因为日度波动更大。但它的意义不同：月度预测告诉你“下个月大概什么水平”，日度预测告诉你“明天大概什么水平”。两者用途不一样，误差标准也不该一样。如果你只关心趋势，月度模型足够；如果你要控制大棚通风，日度模型才有用。

回头看整个过程，没有用到任何机器学习库，全是加减乘除和分组统计。但每一步都对应预测模型的核心环节：观察数据分布、识别走势、选择基线、回测误差、处理异常。很多人一上来就纠结用LSTM还是ARIMA，却连数据有没有季节性都没画图看过。我的建议是，先拿一张纸，把时间序列画出来，标出最高最低点，算一算月均值。这些手工步骤做完，你对数据的理解会比跑十个模型都深。预测模型入门，难的从来不是算法，而是愿不愿意老老实实看数据。