考虑到深度学习的最新发展，验证哪些方法对多元时间序列数据的预测有效已变得越来越重要。在这项研究中，我们提出了一种使用多个深度学习者与贝叶斯网络相结合的时间序列预测的新方法，其中使用K-means聚类将训练数据划分为聚类。我们根据贝叶斯信息准则确定了多少个聚类最适合K均值。根据每个群集，将培训多个深度学习者。我们使用了三种类型的深度学习器：深度神经网络（DNN），递归神经网络（RNN）和长短期记忆（LSTM）。朴素的贝叶斯分类器用于确定哪个深度学习者负责预测特定的时间序列。我们提议的方法将应用于一组金融时间序列数据（日经平均股票价格），以评估所做预测的准确性。与采用单个深度学习器来