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，有效地提高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重要作用。TCN通过扩展卷积层来