深度学习的时间序列预测：综述

为了适应不同领域时间序列数据集的多样性，已经开发了许多深度学习架构。本文对常见的编码器和解码器设计进行了综述，这些设计用于一步前和多期时间序列预测，描述了每个模型如何将时间信息融入到预测中。接下来，我们强调了混合深度学习模型的最新进展，这些模型结合了经过充分研究的统计模型和神经网络组件，以改善任何类别中的纯方法。最后，我们概述了深度学习如何利用时间序列数据促进决策支持的一些方式。本文是主题问题《用于天气和气候建模的机器学习》的一部分。