一、研究背景
本代码实现了一种TCN-LSTM混合神经网络模型，用于时间序列预测任务。TCN（时序卷积网络）具有并行计算能力强、感受野可控的优点，LSTM（长短期记忆网络）则擅长捕捉长期依赖关系。两者结合旨在提升时间序列预测的精度与稳定性。
二、主要功能
- 从Excel文件中读取时间序列数据；
- 构建具有时间滞后的训练和测试数据集；
- 建立并训练一个结合TCN与LSTM的混合深度学习模型；
- 进行时间序列预测，并评估预测性能（包括MAE、RMSE、MAPE等指标）；
- 可视化预测结果与真实值的对比图。
三、算法步骤
数据预处理：
- 读取数据，设定滞后步长（kim=10）和预测步长（zim=1）；
- 重构数据集，将历史数据与目标值组合；
- 划分为训练集和测试集；
- 归一化处理。
TCN-LSTM模型构建
