项目基本介绍
该项目旨在使用 CNN（卷积神经网络）、BiGRU（双向门控递归单元）和注意
力机制进行多变量时间序列预测。我们将通过一个图形用户界面（GUI）允许用
户上传数据集，设置超参数，训练模型，并可视化预测结果。
项目特点
� 组合模型: 利用 CNN 提取局部特征，用 BiGRU 处理时间序列的长期依赖，并通过注意力
机制加强模型关注重要特征。
� 多指标评估: 预测精度可以通过多种评价指标评估，如 MAE、MSE、R2 等。
� 图形用户界面: 用户友好的界面，允许用户自定义设置。
应用领域
� 财务预测：股票价格预测、市场趋势分析
� 环境监测：气象数据分析
� 生产监控：设备维护和故障预测
未来改进方向
� 增加更多高级技术，例如自适应学习率、超参数优化等。
� 考虑其他模型组合，例如 LSTM、Transformer。
� 扩展到多任务学习等应用。
程序设计思路
1. 数据预处理: 加载并处理时间序列数据。
2. 构建模型: 定义 CNN-BiGRU-Attention 模型结构。
3. 训练模型: 配置超参数并进行训练。
4. 评估模型: 使用多种指标评估模型性能。
5. 可视化与 GUI 设计: 提供用户界面与结果可视化。
资源评论
