深度学习时间序列预测：LSTM算法构建时间序列单变量模型预测大气压（ air pressure）+代码实战

长短期记忆（Long short-term memory, LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在更长的序列中有更好的表现。

LSTM结构（图右）和普通RNN的主要输入输出区别如下所示。

#导入需要的包和库

from __future__ import print_functionimport osimport sysimport pandas as pdimport numpy as np%matplotlib inlinefrom matplotlib import pyplot as pltimport seaborn as snsimport datetime

# 加载数据

#set current working directory# os.chdir(D:/Practical Time Series)#set current working directoryos.chdir(E:\\time series\\Practical-Time-Series-Analysis-code)#Read the dataset into a pandas.DataFrame# df = pd.read_csv(datasets/PRSA_data

深度学习时间序列预测：LSTM算法构建时间序列单变量模型预测大气压（ air pressure）+代码实战