Multi-Step

通常来说，时间序列预测描述的是在下一个时间步预测出的值，这被称为单步预测。但是有些情况下，预测任务需要预测出未来多个时间步的值，那这种情况就被称为多步预测。
多步预测通常至少有四种策略：

• Direct Multi-step Forecast Strategy （直接多步预测策略）
• Recursive Multi-step Forecast Strategy （递归多步预测策略）
• Direct-Recursive Hybrid Multi-step Forecast Strategie （直接递归混合多步预测策略）
• Multiple Output Forecast Strategy （多输出预测策略）

1. Direct Multi-step Forecast Strategy （直接多步预测策略）

直接法为每个预测时间步开发一个单独的模型。但这种策略存在着很严重的问题：
首先，当要预测的时间步较多时，为每个时间步应用一个模型会带来沉重的计算和维护负担。
其次，因为使用了不同的独立模型，无法对预测时间步之间的相关性进行建模。而在时间序列中，第2天的预测往往是一定程度上依赖于第1天的预测结果的。

2. Recursive Multi-step Forecast （递归多步预测策略）

递归策略则多次使用一步模型，前一个时间步的预测被用作对下一个时间步进行预测的输入。但这种方法由于使用预测值来代替观测值，递归策略会造成预测误差不断累积，随着预测时间范围的增加，递归多部预测策略的性能可能会迅速下降。

3. Direct-Recursive Hybrid Strategies（直接递归混合多步预测策略）

直接和递归策略可以结合起来，以结合这两种方法的优点。即前两种策略的结合
例如，可以为每个要预测的时间步构造一个单独的模型，但是每个模型可以使用模型在前一个时间步所做的预测作为输入值。

4. Multiple Output Strategy（多输出预测策略）

多输出策略主要指开发一个能够一次性预测整个预测序列的模型。
多输出模型更复杂，因为它们可以学习输入和输出之间以及输出之间的依赖关系。更复杂可能意味着训练速度较慢，需要更多数据来避免过度拟合问题。