所谓时间序列预测，就是预测随着时间变化而变化的数据，是单变量预测的经典预测领域，时间序列预测模型能够捕捉数据的变化规律，从而能够实现有效的预测，经典的模型莫过于deep learning 中的RNN（循环神经网络），LSTM and GRU（长短时记忆神经网络）以及DeepAR（概率预测）。

    对于RNN的认识，可以去访问B站李宏毅的深度学习，认真了解循环神经网络是打开时间序列预测的大门。

    代码来源肯定是码农的天堂GitHub，懂的都懂

    这里我也会放入许多优秀的文章：
    LSTM - 多步预测代码 - 简书
    GRU 原理详解 - 知乎
    GRU 的代码实现过程 - pytorch
    LSTM原理详解 - 博客园 - 强推

    与LSTM最大的不同之处在于GRU将遗忘门和输入门合成一个“更新门”，同时网络不再额外给出记忆状态C ， 而是将输出结果 ht 作为记忆状态不断向后传递，网络的输入和输出都简化。
    [

    ](https://blog.csdn.net/winycg/article/details/88937583)