越来越多的时序任务需要把预测的时间范围拓展到更远的未来（即长期预测近年来针对时间序列预测的深度模型（已经取得了不错的研究成果，解决了不少传统方法的问题。其中以基于 Transformer 的模型表现尤为突出Transformer 之所以表现好，核心是其自带的自注意力机制—— 这个机制让它在为序列数据（时间序列是典型的序列数据）建模长程依赖关系时，具备天然的巨大优势（能捕捉到序列中相隔很远的时间点之