单变量时间序列预测开发深度学习模型_python源码+数据+超详细注释 内容： 多层感知器模型 卷积神经网络模型_CNN 递归神经网络模型_LSTM 递归神经网络模型_CNN+LSTM 递归神经网络模型_ConvLSTM2D 本文使用了5种不同的网络模型,实现了一元序列的自回归 1.MLP：多层感知机 2.CNN：卷积 3.LSTM：长短周期 4.CNN+LSTM卷积+长短周期 5.ConvLSTM2D卷积+长短周期 并且分别比较了5中模型的预测效果，CNN模型相对来时是最好的。 深度学习在一元时间序列预测中表现并不佳

Keras：人类的深度学习 您刚刚找到Keras。 Keras是用Python编写的高级神经网络API，能够在 ， 或之上运行。 它的开发着重于实现快速实验。 能够以最小的延迟将想法付诸实践是进行良好研究的关键。 如果您需要一个深度学习库，请使用Keras： 允许轻松快速地进行原型制作（通过用户友好性，模块化和可扩展性）。 支持卷积网络和循环网络，以及两者的组合。 在CPU和GPU上无缝运行。 阅读的文档。 Keras兼容于： Python 2.7-3.6 。 指导原则 用户友好。 Keras是为人类而非机器而设计的API。 它把用户体验放在首位。 Keras遵循降低认知负担的最佳实践：提供一致且简单的API，将常见用例所需的用户操作数量降至最低，并针对用户错误提供清晰且可操作的反馈。 模块化。 模型被理解为独立的，完全可配置的模块的序列或图形，这些模块可以以尽可能少的限制