本文基于CALCE电池数据集，采用LSTM、GRU和RNN三种深度学习模型进行电池寿命预测研究。首先对原始数据进行预处理，包括异常值剔除和容量计算。在模型构建方面，对比了单步预测和多步预测两种方法，其中单步预测采用fixed、moving和mobile三种递归策略，多步预测则探讨了不同窗口尺寸(base_num, pre_num)组合对预测精度的影响。

本文探讨了PatchTST模型在长序列电力变压器油温预测中的应用。针对ETT-small数据集，对比了PatchTST与LSTM、GRU、RNN的性能表现。实验采用不同预测长度（96至720小时），结果显示PatchTST在各指标（MSE、MAE、RSE）上均优于传统模型，尤其随着预测长度增加优势更明显。研究详细介绍了数据预处理方法、模型实现过程及评估指标计算，确保实验可比性。结果表明，基于Tra