از روش های یادگیری ماشین می توان برای طبقه بندی و پیش بینی مسائل سری زمانی استفاده کرد. قبل از کاوش در روشهای یادگیری ماشین برای سری های زمانی، بهتر است اطمینان حاصل کنید که آموزش روشهای پیش بینی سری زمانی خطی کلاسیک را به اتمام رسانده اید. روش های کلاسیک پیش بینی سری زمانی ممکن است بر روی روابط خطی متمرکز شده باشند، با این وجود، این روش ها پیچیده هستند و در طیف گسترده ای از مسائل عملکرد خوبی دارند، با این فرض که داده های شما به درستی آماده شده و روش به خوبی پیکربندی شده است.

مدل های چند مرحله ای

هر دو مدل تک خروجی و چند خروجی در بخشهای قبلی، پیش بینی های مرحله یک زمانه را برای 1 ساعت در آینده انجام دادند.

این بخش به چگونگی گسترش این مدل ها برای پیش بینی گام های زمانی متعدد می پردازد.

کشور ایران در منطقه کمربند خشک و بیابانی جهان قرار گرفته و کویرهای مرکزی آن جزو خشک‌ترین مناطق دنیا به شمار می‌روند. در عین حال موقعیت جغرافیایی، امتداد کوهستان‌های اصلی و تغییرات فاحش تراز توپوگرافی و بالاخره موقعیت سرزمینی نسبت به دریاها و پهنه‌های آبی مجاور یا دور موجبات بروز تنوع در اقلیم کشور را فراهم کرده است.

گسترده‌ترین ناحیه اقلیمی،‌ فراخشک بیابانی با پوشش 65 درصد مساحت کشور است. اقلیم نیمه خشک مدیترانه ای 25 درصد مساحت را پوشش می‌دهد و اقلیم‌های نیمه مرطوب تا خیلی مرطوب تنها 10 درصد وسعت را در برگرفته است که بخش عمده آن در حوضه ساحلی دریای خزر قرار دارد.

از لحاظ رژیم دمایی، اقلیم سرد حدود 47 درصد مساحت کشور را پوشش می‌دهد و پس از آن به ترتیب، معتدل با 22 درصد پوشش، فراسرد با 16.5 درصد و گرم با 14.5 درصد پوشش قرار دارد.