CATS: 通过构建辅助时间序列作为外生变量增强多元时间序列预测

多元时间序列预测中，深度学习应用发现，单变量模型常常优于多元模型。为解决多元模型的不足，我们引入一种构建辅助时间序列（CATS）的方法，以有效地表示和整合序列间关系进行预测。CATS 实现了最先进的水平，减少了复杂性和参数，是一种高效且可迁移的 MTSF 解决方案。