LSTM提出到目前为止的时间序列预测算法有哪些，按时间顺序具体说明

LSTM是一种广泛应用于时间序列预测的算法，以下是按时间顺序列出的一些相关算法：

1. 1997年，Hochreiter和Schmidhuber提出了LSTM算法，该算法通过使用门控单元来控制信息的流动。

2. 2006年，Graves和Schmidhuber提出了Connectionist Temporal Classification (CTC)算法，该算法使用LSTM进行时间序列分类，可以自动对齐输入和输出序列。

3. 2014年，Sutskever等人提出了Seq2Seq模型，该模型使用两个LSTM网络，一个编码器和一个解码器，来实现机器翻译任务。

4. 2015年，Shi等人提出了DeepAR模型，该模型使用多层LSTM网络来预测时间序列数据，可以捕捉复杂的季节性和趋势性。

5. 2016年，Oord等人提出了WaveNet模型，该模型使用卷积神经网络结合LSTM来生成高质量的语音合成。

6. 2017年，Yu等人提出了LSTNet模型，该模型使用LSTM和卷积神经网络结合来预测多变量时间序列数据。

7. 2018年，Wang等人提出了DeepState模型，该模型使用LSTM和卷积神经网络结合来预测时空序列数据，可以捕捉空间和时间上的依赖关系。

这些算法都是基于LSTM的时间序列预测算法，它们在不同领域和任务中都有广泛的应用。