单变量单步时序预测 | TCN-BiGRU时间卷积神经网络结合双向门控循环单元

---

一、主要功能

该代码实现了一个基于 TCN-BiGRU（时间卷积网络-双向门控循环单元） 的时序预测模型，用于对单变量时间序列（如温度）进行预测。具体来说，模型使用前24个时间步的数据来预测第25个时间步的值。

---

二、算法步骤

1. 数据预处理：

   • 使用 data_process 函数将原始时间序列转换为监督学习格式（步长为24）。
   • 划分训练集和测试集（70% 训练，30% 测试）。
   • 对输入和输出数据进行归一化处理（mapminmax）。

2. 网络构建：

   • 构建一个包含 TCN 模块 和 双向GRU 模块 的深度学习模型。
   • TCN 部分包含多个残差块，每块包含因果卷积、层归一化、ReLU 和