深度学习多元时间序列预测 时间序列预测（Time series forecasting），惠州保洁13825404095用历史观测值来预测时间序列在未来时间步上的值，可以粗略地分为两类：单步和多步预测 [Pan2020]. 给定一个长时间序列 X∗ 和一个有固定长度 T 的回看窗口，基于过去 T 步的历史值 Xt−T+1:t={x_t−T+1,…,x_t}，在 t 时刻的 单步预测值 只有一个 X^_t+τ:t+τ={x_t+τ}，而 多步预测值 有多个 X^_t+1:t+τ={x_t+1,…,x_t+τ}，其中 τ 是预测步长（horizon），x_t∈Rd 为序列在时间步 t 的值，d 是时间序列的条数. 为了简便，随后的讨论中我们忽略下标，用 X 和 X^ 分别来表示历史数据和预测值. 对于多步预测，我们既可以直接用多步预测的目标（直接多步估计，direct multi-step (DMS) estimation），也能通过迭代使用一个单步模型得到多步的预测（迭代多步估计，iterated multi-step (IMS) estimation）. 但选择使用 DMS 或 IMS 方法时，需要权衡 “预测误差
