时间序列预测任务（附代码+数据集+原理介绍）

所有项目已全部上传至Github，小伙伴可以前往学习：

深度学习时间序列预测方法案例

🌈『目录』

📢 数据集介绍

  • （一）：深度学习时间序列预测项目案例数据集介绍

📢 RNN篇

  • （一）：GRU实现时间序列预测(PyTorch版)

  • （二）：LSTM实现时间序列预测(PyTorch版)

  • （三）：RNN实现时间序列预测(PyTorch版)

  • （四）：BiLSTM(双向LSTM)实现时间序列预测(PyTorch版)

📢 CNN篇

  • （一）：CNN(一维卷积Conv1D)实现时间序列预测(PyTorch版)

  • （二）：CNN(二维卷积Conv2D)实现时间序列预测(PyTorch版)

📢 模型融合篇

  • （一）：LSTM+CNN实现时间序列预测(PyTorch版)

  • （二）：LSTM+注意力机制(Attention)实现时间序列预测(PyTorch版)

  • （三）：CNN+注意力机制(Attention)实现时间序列预测(PyTorch版)

  • （四）：CNN+LSTM+Attention实现时间序列预测(PyTorch版)

📢 MLP篇

  • （一）：MLP(ANN)实现时间序列预测(PyTorch版)

📢 注意力篇

  • （一）：注意力机制(Attention)实现时间序列预测(PyTorch版)

📢 时间卷积网络篇

  • （一）：TCN(时间卷积网络)实现时间序列预测(PyTorch版)

📢 其它模型篇

  • （一）：Transformer实现时间序列预测(PyTorch版)

📢 注意信息

  • （一）：时间序列数据预测结果为一条直线原因总结

📢 单变量、多变量篇

  • （一）：LSTM实现单变量时间序列预测(PyTorch版)

  • （二）：LSTM实现多变量时间序列预测(PyTorch版)

📢 多步预测篇

  • （一）：时间序列多步预测经典方法总结

  • （二）：LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 直接多输出

  • （三）：LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 递归多步预测（单步滚动预测）

  • （四）：LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 直接多步预测（多模型单步预测）

  • （五）：LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— 直接递归混合预测（多模型滚动预测）

  • （六）：LSTM实现多变量输入多步预测时间序列预测(PyTorch版) —— Seq2Seq多步预测

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容

友情链接更多精彩内容