该文综述多元时间序列预测方法，重点比较通道独立（CI）与通道依赖（CD）策略：CD容量高但鲁棒性差，CI在两者间权衡。为此提出PRReg、CSC、CR、FCDNet、CSformer、MuLTI、MTS-Mixers等模型，结合线性模型、聚类、对比学习与注意力机制，提升预测精度与鲁棒性，并降低参数量与训练时间。

该文综述Transformer在多变量时间序列预测中的进展，涵盖不变量嵌入、MTPNet、MTST、TFT、PatchTST、Meta-Transformer、TLNets、DeepTime、HiMTM等模型，强调多尺度建模、通道独立与自监督学习，并总结数据集、评估指标及最佳实践。