2020年后提出的时间序列预测算法有哪些，具体说明

以下是一些2020年后提出的时间序列预测算法：

1. 2020年，Liu等人提出了Long-Short Dual-Attention Networks (LSDAN)模型，该模型使用双重自注意力机制来捕捉序列中的长期和短期依赖关系。

2. 2020年，Liu等人提出了Multi-Attentional Recurrent Neural Networks for Time Series (MARN)模型，该模型使用多个注意力机制来处理多元时间序列数据。

3. 2020年，Wang等人提出了Adaptive Attentional Residual Network (AARN)模型，该模型结合了残差网络和自适应注意力机制，可以自动选择重要的特征进行预测。

4. 2021年，Wang等人提出了Recurrent Longitudinal Network (RLN)模型，该模型使用递归神经网络来捕捉序列中的动态特征，并使用卷积神经网络来提取空间特征。

5. 2021年，Wang等人提出了Attentional Graph Convolutional Networks for Time Series Forecasting (AGCN)模型，该模型使用图卷积神经网络来建模序列之间的依赖关系，同时使用注意力机制来捕捉序列中的重要特征。

这些新算法在时间序列预测领域中有着广泛的应用和良好的表现，它们结合了深度学习技术和传统的时间序列预测方法，能够更好地处理长期依赖关系和多元时间序列数据。同时，这些算法也有着不同的特点和应用场景，需要根据实际情况选择合适的算法。