本研究提出了一种新颖的多元时间序列预测方法MTPNet，结合多尺度Transformer和辅助时间序列构建，显著提高了预测准确性。通过可学习的分解策略和双重注意力模块，MTPNet在多个基准数据集上表现优异。此外，研究还探讨了基于状态空间模型的C-Mamba方法，解决了高维数据集中的通道依赖问题，提升了预测性能。