保留季节性和趋势信息：一种基于变分自编码器潜在空间算术的非平稳学习方法

本研究解决了传统模型在非平稳数据上表现不佳的问题，提出了一种在潜在空间内强制实施平稳行为的创新方法，同时保留趋势和季节信息。通过使用差分、时间序列分解和潜在空间算术等技术，能够有效地捕捉和存储时间序列的关键特征，从而提升预测模型的表现。