时序预测：MATLAB实现GRU时间序列预测

在时序预测领域中，循环神经网络（Recurrent Neural Network，RNN）是一种常用的模型，其中的Gated Recurrent Unit（GRU）是一种改进的RNN结构，被广泛应用于时间序列预测任务。本文将使用MATLAB实现GRU模型，并应用于时间序列预测。

首先，我们需要准备一些时间序列数据作为训练集。假设我们有一个包含n个时间步长的时间序列，我们可以将其表示为一个n×1的向量。下面是一个示例数据集：

data = [1; 2; 3; 4; 5; 6; 7; 8; 9; 10];

接下来，我们需要将数据集划分为输入序列和目标序列。输入序列是用于预测的历史数据，而目标序列是希望预测的未来数据。我们可以通过滑动窗口的方式将数据集划分为多个子序列。假设我们希望使用前3个时间步长的数据来预测第4个时间步长的数据，我们可以这样划分数据集：

inputSeq = [1, 2, 3; 2, 3, 4; 3, 4, 5; 4, 5, 6; 5, 6, 7; 6, 7, 8; 7, 8, 9];
targetSeq = [4; 5; 6; 7; 8; 9; 10];

接下来，我们可以开始构建GRU模型。在MATLAB中，可以使用Deep Learning Toolbox提供的gruLayer函数来创建GRU层。下面是一个简单的GRU模型的示例：

inputSize = 1; % 输入序列维度
hiddenS