所有项目已全部上传至Github，小伙伴可以前往学习：
🌈『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
