时序预测 | 基于DLinear+PatchTST多变量时间序列预测模型（pytorch）

本文主要是介绍时序预测 | 基于DLinear+PatchTST多变量时间序列预测模型（pytorch），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

效果一览

基本介绍

DLinear+PatchTST多变量时间序列
dlinear,patchtst
python代码，pytorch架构
适合功率预测，风电光伏预测，负荷预测，流量预测，浓度预测，机械领域预测等等各种时间序列预测。
Patchest是2023年发表了一个新的模型，它在时间序列分析的多个任务中实现了最先进的结果。创新点超级强。
模型精度高.
功能如下：
1.多变量输入，单变量输出/可改多输出
2.多时间步预测，单时间步预测
3.评价指标：R方 RMSE MAE MAPE
对比图
4.数据从excel/csv文件中读取
5.最终结果输入到一个csv文件中，可以供下一步使用
代码带数据，注释清晰，适合新手小白

程序设计

• 完整程序和数据获取方式：私信博主回复基于DLinear+PatchTST多变量时间序列预测模型（pytorch）。

参考资料

[1] http://t.csdn.cn/pCWSp
[2] https://download.csdn.net/download/kjm13182345320/87568090?spm=1001.2014.3001.5501
[3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm=1001.2014.3001.5501

这篇关于时序预测 | 基于DLinear+PatchTST多变量时间序列预测模型（pytorch）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---