单变量单步时序预测 | TCN-GRU时间卷积神经网络结合门控循环单元

该代码实现了一个基于TCN-GRU混合神经网络的时间序列预测模型，用于对单变量时间序列进行预测。以下是详细分析：

---

✅ 一、主要功能

使用 TCN（时序卷积网络） 和 GRU（门控循环单元） 结合的深度学习模型，对时间序列数据进行预测。具体是使用前24个时间步的数据预测第25个时间步的值。

---

✅ 二、算法步骤

1. 数据导入与预处理

   • 从Excel文件中读取数据。
   • 使用 data_process 函数将数据转换为监督学习格式（步长为24）。

2. 训练集与测试集划分

   • 70% 数据作为训练集，30% 作为测试集。
   • 对输入和输出数据进行归一化（mapminmax）。