本文研究了基于ES-RNN模型和ensemble learning技术相结合的FFORMA方法和Stacking方法在预测中的表现。实验结果表明，FFORMA在late data fusion情况下表现最好，而Stacking能够处理基本模型性能相似的情况。与N-BEATS相比，FFORMA在预测效果上更优。研究表明模型平均是比模型选择和堆叠策略更稳健的集成方法。实验结果还显示，梯度提升在实现ensemble learning策略时表现优越。