您可能会从本文 中提出的想法中获得一些灵感，该想法提出了时间序列的表示，以便处理异步采样：您编码什么是源（时间序列的 id）和持续时间（到考虑所有时间序列的最后一个值）的当前值，最终得到一个时间序列值（如我在下面附上的文章的图 1 所示）。

您可以使用层次结构。一个 LSTM 可以为每个月的每日预测变量序列创建一个嵌入向量。然后这个嵌入与每月预测变量一起被送入第二个 LSTM。

查看本文中的电力需求实验：https ://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2015-56.pdf 。深度网络中的不同层可以捕获不同的时间尺度。