从时间序列数据中学习以预测时间序列（而非预测）

Question

我有许多数据集，其中每个数据集都包含多个输入变量（假设为3）作为时间序列，输出变量也作为时间序列，并且都位于同一时间段。

这些系列中的每个系列都有相同数量的数据点（如果以1000Hz采集10秒数据，则说1000 * 10）。

我想从这些数据中学习，并给出一个新的数据集，该数据集具有3个输入变量的时间序列，我想预测输出变量的时间序列。

我将在下面用一些非英语符号书写问题。我将避免使用功能，样本，目标等术语，因为由于我还没有针对任何算法提出问题，所以我不想推测会是什么。

要学习的数据集如下：

dataset1:{Inputs=(timSeries1,timSeries2,timSeries3), Output=(timSeriesOut)}
dataset2:{Inputs=(timSeries1,timSeries2,timSeries3), Output=(timSeriesOut)}
dataset3:{Inputs=(timSeries1,timSeries2,timSeries3), Output=(timSeriesOut)}
.
.
datasetn:{Inputs=(timSeries1,timSeries2,timSeries3), Output=(timSeriesOut)}

现在，给定一个我要预测的新（timSeries1，timSeries2，timSeries3）

datasetPredict:{Inputs=(timeSeries1,timSeries2,timSeries3), Output = ?}

我应该使用哪种技术以及应该如何解决问题？我是否应该将它分解为具有三个功能和一个目标（针对该时间戳或针对下一个时间戳）的每个时间戳的单独学习问题？

谢谢大家！