中期负荷预测受温度、节假日和周末等多个外部变量影响。长短时记忆网络（long short-term memory，LSTM）虽然在短期负荷预测中展现了强大的预测能力，但不能很好地建立起中期负荷预测多外部变量与预测负荷之间的相关关系。针对上述问题，提出了并行 LSTM 结构以及时间序列 N 节点树形 LSTM（time-series N-node tree-LSTMs， t-NTree-LSTMs）结构，通过引入分支结构和树形结构构建更细的特征粒度实现对中期负荷预测的建模。最后在 2017 年全球能源预测大赛数据集 GEFCom2017 上进行实验，结果表明在中期负荷预测过程中更细的特征粒度有利于获取更高精度的预测结果，验证了并行 LSTM 模型和 t-N Tree-LSTMs 模型的有效性。
