基于TCN结合Attention机制的时间序列预测：从数据预处理到模型评估，MATLAB 搭建
时间序列预测在气象、能源、金融等领域具有广泛应用。本文将介绍一个完整的基于时间卷积网络（TCN）结合自注意力机制（Self-Attention）的预测模型实现，使用 MATLAB 完成从数据预处理、模型构建、训练到评估的全流程。我们将以温度预测为例，利用前24个时刻的数据预测下一时刻的温度值。
一、项目背景与目标
在实际场景中，时间序列数据往往具有长期依赖性和非线性特征。传统的 RNN/LSTM 模型存在梯度消失、训练较慢等问题。TCN 通过因果卷积和膨胀卷积，能够并行处理序列数据并捕捉长期依赖；而自注意力机制可以进一步增强模型对关键时间步的关注能力。
目标：构建 TCN-Attention 混合模型，提升时间序列预测的准确性和稳定性。