时间序列预测

时间序列预测广泛应用于金融、气象、销售等领域。传统方法包括ARIMA、指数平滑等；深度学习方法如RNN、LSTM、Transformer以及专门模型（如DeepAR、N-BEATS）能捕捉复杂模式。大语言模型也被探索用于时间序列预测，通过将序列转化为token或利用其推理能力。关键技术包括特征工程、趋势季节分解、多步预测策略和不确定性估计。