摘要： 近年來，時(shí)間序列預(yù)測(cè)已經(jīng)在金融、氣象、軍事等多個(gè)領(lǐng)域得到廣泛應(yīng)用。深度學(xué)習(xí)已開始在時(shí)間序列預(yù)測(cè)任務(wù)中展現(xiàn)巨大的潛力和應(yīng)用前景。其中，循環(huán)神經(jīng)網(wǎng)絡(luò)在跨度較大的時(shí)間序列預(yù)測(cè)中容易出現(xiàn)信息丟失和梯度爆炸等問題。而Transformer模型及其變種在使用注意力機(jī)制時(shí)通常忽略了時(shí)間序列變量之間的時(shí)序關(guān)系。為了應(yīng)對(duì)這些問題，提出了一種基于季節(jié)分解的混合神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型。該模型利用季... （共7頁）