摘要 - Time系列数据分析在众多领域至关重要，这是由深度学习和机器学习的进步驱动的。本文介绍了时间序列分析中数据的全面概述，并特别关注其在深度学习和机器学习中的应用。我们从一种用于文献选择的系统方法开始，策划了来自突出数据库的757篇文章。随后的部分深入研究了各种数据增强技术，包括插值和高级方法（例如合成数据生成，生成对抗网络（GAN）（GAN）和变异自动编码器（VAES））的传统方法。这些技术解决了时间序列数据固有的复杂性。此外，我们仔细检查了局限性，包括计算成本和过度适合风险。但是，必须注意，我们的分析不会以限制结束。我们还全面分析了所考虑的技术的优势和适用性。这种整体评估使我们能够提供平衡的观点。总而言之，此概述阐明了数据扩大在深度和机器学习环境中的时间序列分析中的作用。它为研究人员和从业人员提供了宝贵的见解，推进了这些领域并为未来的探索绘制途径。