La información de predicción tiene efectos en la prevención de emergencias y el control avanzado en varios sistemas complejos. Hay características obvias no lineales, no estacionarias y complicadas en la serie temporal. Además, múltiples variables en la serie temporal impactan entre sí para hacer la predicción más difícil. Entonces, en este artículo se exploró una solución de predicción de series temporales para el multivariado. En primer lugar, se diseñó un marco de red neuronal compuesto con las redes primaria y auxiliar. El marco intentó extraer las características de cambio de la serie temporal, así como la relación interactiva de múltiples variables relacionadas. En segundo lugar, se estudiaron las estructuras de las redes primaria y auxiliar basadas en el modelo autorregresivo no lineal. También se introdujo el método de aprendizaje para obtener los modelos disponibles. En tercer lugar, se concluyó el algoritmo de predicción para la serie temporal con múltiples variables. Finalmente, se realizaron experimentos con datos de monitoreo ambiental para verificar los métodos. Los resultados demuestran que