目录 效果一览基本介绍程序设计参考资料 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

写在前面 在本文中，我们利用Nixtla的NeuralForecast框架，实现多种基于Transformer的时序预测模型，包括：Transformer, Informer, Autoformer, FEDformer和PatchTST模型，并且实现将它们应用于股票价格预测的简单例子。 1 NeuralForecast neuralforecast 是一个旨在为时间序列预测提供一个丰