本文主要是介紹了一種基于注意力機制的多頭時間卷積網(wǎng)絡(luò)模型（AMTCN）和一種結(jié)合序列分解技術(shù)和線性層的Transformer變體模型（TL），分別用于處理多元時間序列數(shù)據(jù)的短期和長期預測問題。由于大數(shù)據(jù)的發(fā)展，時間序列數(shù)據(jù)從簡單的平穩(wěn)一元時間序列數(shù)據(jù)演變?yōu)閺碗s多變的多元時間序列數(shù)據(jù)，這使得預測變得更具挑戰(zhàn)性。本文在深度學習的基礎(chǔ)上提出了這兩種模型，分別解決了傳統(tǒng)RNN和CNN模型在并行訓練、梯度問題以及捕捉變量間..