最近在学习时间序列的概率预测，注意到了deepar模型,模型的整体理解起来也比较简单，就是利用LSTM对数据的分布参数进行一个预测，在所预测的分布上进行采样，最后输出概率区间。但是随着文件的阅读量的增加，发现这个算法有一个问题，就是数据分布的假设问题（假设服从高斯分布），这种假设是否会给预测带来额外的误差？相对于分位数，和核密度，这种方法的好处在哪里？导师希望我基于这个deepar做一下一些预测任务，但是就是想到数据分布假设的引入本身就是有问题的，而且有其他的预测方法不需要假设，那么我还有没有必要进师行下去？