多变量单步时序预测 | TCN-BiLSTM时序卷积网络双向长短期记忆网络时间序列预测MATLAB代码

一、研究背景

该代码实现了一种TCN-BiLSTM 混合神经网络模型，用于时间序列预测任务。TCN（时序卷积网络）能够有效提取局部时序特征并控制感受野，而双向LSTM（BiLSTM）则能同时利用过去与未来的信息，增强序列建模的双向依赖关系，尤其适用于具有前后文依赖的时间序列预测。

二、主要功能

• 从 Excel 文件读取时间序列数据，并构建带时间滞后的数据集；
• 搭建 TCN 与 BiLSTM 结合的混合神经网络；
• 对数据进行归一化处理，划分训练集与测试集；
• 使用 Adam 优化器训练模型；
• 进行单步预测，计算预测误差（MAE、RMSE、MAPE）；
• 可视化预测结果。

三、算法步骤

1. 数据准备：

   • 读取数据，设定历史窗口长度（kim=10）和预测步长（zim=1）；
   • 重构数据集，将历史序列展平为特征，目标值为未来第zim步；
   • 按比例划