DeepAR TimeMixer

1. 对输入序列进行不同程度的平均池化来下采样，得到M个不同尺度的序列数据，第m个尺度的序列数据长度为$\frac{L}{2^m}$
2. 每一个PDM块中，经过1维池化提取移动平均值和原序列与移动平均值的差值，将特定尺度的序列数据分解为seasonal和trend
3. 然后进行seasonal mixing和trend mixing，除了seasonal mixing的最下层和trend mixing的最上层外，其余的层的时序数据都是原时序数据+上一层的MLP映射数据，以此进行不同尺度之间数据的交互
4. 经过mixing后，同一尺度的时序数据相加，然后进入下一个PDM块