单变量单步时序预测 | TCN-LSTM时间卷积结合长短期记忆神经网络（MATLAB）

✅ 一、主要功能

该代码实现了一个结合时序卷积网络（TCN）和长短期记忆网络（LSTM）的混合深度学习模型，用于时间序列预测。具体任务是：利用前24个时间步的数据（输入特征维度为24），来预测下一个时间步的值（输出维度为1），属于单变量时间序列滚动预测。

---

✅ 二、算法步骤

1. 数据准备与预处理：

   • 从 数据集.xlsx 中读取单列时间序列数据。
   • 调用 data_process 函数（未提供），以步长24将数据重构为“24个特征（X）-> 1个标签（Y）”的监督学习格式。
   • 将数据集按7:3的比例划分为训练集和测试集。
   • 对输入和输出数据进行归一化（映射到[0,1]区间），以加速模型收敛并提高性能。
   • 将数据转换为MATLAB深度学习工具箱所需的元胞数组（Cell Array）格式。