本篇文章将讲解时间序列中的经典问题：多步预测，所谓多步预测就是利用过去的时间数据来预测未来多个状态的时序数据，举个例子就是利用过去30天的数据来预测未来2天的数据。
对于时间序列多步预测常用的解决方案有五种：
- 直接多输出预测
- 递归多步预测（单步滚动预测）
- 直接多步预测（多模型单步预测）
- 直接递归混合预测（多模型滚动预测）
- Seq2Seq多步预测
为了方便讲解不同的多步预测策略，这里假设我们的时间序列数据为【t1，t2，t3，t4，t5】，这是我们已知的数据，我们需要预测未来两天的状态【t6，t7】。
1️⃣ 直接多输出预测
对于这个策略是比较好理解与实现的，就是训练一个模型，只不过需要在模型最终的线性层设置为两个输出神经元即可。
正常我们的单输出预测，预测未来一天的模型最终的输出层为 nn.Linear(hidden_size，1)，对于直接多步预测我们修改输出层为 nn.Linear(hidden_size，2) 即可，最后一层的两个神经元分别预测 t6 和 t7 。