您可以使用递归图 (RP)、格拉姆角场 (GAF)、马尔可夫过渡场 (MTF) 等图像编码方法将时间序列编码为图像。

请参阅以下文章：

埃斯特布萨里，A。Rajabi, R. 使用深度学习和图像编码技术进行单一住宅负荷预测。电子 2020, 9, 68. https://doi.org/10.3390/electronics9010068

一维卷积神经网络：

您不必将其转换为 CNN 的图像。CNN 可以直接在时间序列上工作（一维卷积网络）。

更多细节 ：

什么是深度学习中的一维卷积层？

时间序列的例子：

https://towardsdatascience.com/stock-price-prediction-system-using-1d-cnn-with-tensorflow-js-machine-learning-easy-and-fun-fe5323e68ffb

https://jeddy92.github.io/JEddy92.github.io/ts_seq2seq_conv/

https://machinelearningmastery.com/how-to-develop-convolutional-neural-network-models-for-time-series-forecasting/

图像作为 CNN 的输入

图像可以像任何其他图像一样输入 CNN。CNN 将学习忽略所有空白并将前几个过滤器调整为边缘检测过滤器。

在此类模型中，输出变量将是方向或百分比范围（例如，下一个股票报价将在 0 - 1% 或 0 -1% 范围内）。