多输入时间序列预测创新方法有哪些

多输入时间序列预测方法有多种，一些常见的方法包括：

1. 结合神经网络的方法，如长短时记忆网络(LSTM)和卷积神经网络(CNN)。

2. 集成学习方法，如随机森林，梯度提升树和AdaBoost等。

3. 深度学习方法，如深度受限玻尔兹曼机(DB-RBM)，深度信念网络(DBN)等。

4. 支持向量机(SVM)和逻辑回归(Logistic Regression)等统计学习方法。

5. 基于聚类的方法，如K-means聚类。

这些方法都有其独特的优势和局限性，选择哪种方法取决于预测问题的具体特征。