我正在尝试根据几个影响因素预测时间序列。 例如，预测明天我店里每小时会有多少购物者将取决于三件事：
前两个很容易 - 我使用了一个序列来使用LSTM细胞对RNN进行测序，并取得了相当不错的结果。我每隔1小时在编码器和解码器上使用24小时。在你建议之前 - 是的我打算尝试GRU：）
现在，棘手的部分是如何处理游客。游客乘坐大型游轮，不时到达。他们可以待一个星期，但往往会在入住的开始和结束时来到商店。为了解决这个问题，我可以制作出目前停靠的所有游轮的容量时间序列。随着船只来来往往，这将在一周内发生变化。
我可以增加编码器网络的长度并包括这个游轮时间序列，但这会浪费资源，通过查看真正不需要的过去天气。
我在想的是让多个LSTM编码器在馈送到解码器之前以某种方式将它们的状态组合在一起。 我已经做了一些谷歌搜索，无法找到任何关于在不同的时间尺度上有多个编码器的事情。
我的问题是：有没有人看到任何可以在不同时间尺度上优雅处理多个时间序列的网络？