python对时间序列数据做深度学习预测模型代码

下面是一个简单的 Python 代码实现的深度学习预测时间序列数据的模型：

import numpy as np
import keras
from keras.models import Sequential
from keras.layers import Dense

# 准备训练数据
x_train = np.array([[1], [2], [3], [4], [5]])
y_train = np.array([[2], [4], [6], [8], [10]])

# 创建模型
model = Sequential()
model.add(Dense(1, input_shape=(1,)))

# 编译模型
model.compile(optimizer='adam', loss='mean_squared_error')

# 训练模型
model.fit(x_train, y_train, epochs=100)

# 预测
x_test = np.array([[6]])
y_pred = model.predict(x_test)
print(y_pred)

这是一个基于序列的简单的全连接神经网络，用于预测时间序列数据。我们可以使用不同的深度学习技术（例如 RNN、LSTM、GRU 等）来实现复杂的预测模型。