Bài báo này nghiên cứu vấn đề giảm chiều để cải thiện dự báo chuỗi thời gian bằng cách sử dụng các bộ dự báo có chiều cao. Chúng tôi đề xuất một khuôn khổ Phân tích Thành phần Chính Động Sâu Có Giám sát (SDDP) mới, tích hợp các biến mục tiêu và các quan sát trễ vào quy trình trích xuất nhân tố. Chúng tôi xây dựng các bộ dự báo nhận biết mục tiêu bằng cách giám sát kích thước của các bộ dự báo ban đầu bằng mạng nơ-ron thời gian, gán trọng số lớn hơn cho các bộ dự báo có khả năng dự báo mạnh. Sau đó, chúng tôi thực hiện PCA trên các bộ dự báo nhận biết mục tiêu để trích xuất các nhân tố SDDP ước tính. Việc trích xuất nhân tố có giám sát này không chỉ cải thiện độ chính xác dự báo của các tác vụ dự báo tiếp theo mà còn tạo ra các nhân tố tiềm ẩn dễ diễn giải hơn và cụ thể hơn cho mục tiêu. Dựa trên SDDP, chúng tôi đề xuất một mô hình dự báo động phi tuyến tính tăng cường nhân tố, tích hợp nhiều phương pháp dự báo dựa trên mô hình nhân tố. Để chứng minh thêm khả năng ứng dụng rộng rãi của SDDP, chúng tôi mở rộng nghiên cứu sang các kịch bản khó hơn, trong đó các nhân tố dự báo chỉ có thể quan sát được một phần. Chúng tôi xác thực hiệu suất của phương pháp được đề xuất trên một số tập dữ liệu công khai thực tế. Kết quả chứng minh rằng thuật toán đề xuất cải thiện đáng kể độ chính xác dự báo so với các phương pháp hiện đại.
