基于LSTM的时间序列预测：捕捉非线性特征，超越MLP

我们采用LSTM作为一种有前途的机器学习方法，用于根据过去的信息预测未来，而不假设任何噪声形式。最重要的是，LSTM可以捕捉时间序列背后可能的非线性特征。LSTM模型的超参数包括层数L和训练时期数E。请注意，由于线性结构是带有线性变换器的前馈神经网络的一种特殊情况，因此应该期望LSTM的表现至少与MLP一样好。我们使用Python Keras库进行实现。