基于神经网络的方法已经逐渐取代了传统的统计方法，特别是在面对复杂的时间

序列数据时。

近年来，卷积神经网络(CNN)和变换器(Transformer)等模型被广泛应用于序

列数据的处理，尤其是在自然语言处理领域的成功应用为时序预测任务提供了新

的思路。TCN(TemporalConvolutionalNetwork)和Transformer这两种方法

的结合，通过引入卷积神经网络和自注意力机制，有效地提iWj了时间序列数据的

预测精度和泛化能力。

TCN和Transformer在时间序列预测中发挥了要作用。TCN通过扩展卷积层来

增强对长序列数