问题：LSTM 模型时间序列预测结果可能比线性回归的结果差

如果序列中随机变化的趋势频繁出现，且训练数据中找不到很好的规律，自回归的模型会选择用近期值作为预测值输出（因为学习难度最易的情况下误差能有效控制在一定范围），于是出现预测滞后（非平稳序列预测的场景情况）。 对此，会差分、log 等平稳操作，对输入序列做转换，数据平稳时，模型预测则不会过度关注近期滞后项，而是关注变化量等，能在一定程度环节预测滞后问题。