首先、wt（小波分析）过滤噪声 然后 saes（自编码器）提取强特征 最后用lstm进行学习训练

温度预测 预报温度的时间序列分析

从风速时间序列计算威布尔分布参数 这个 Matlab 脚本根据风速数据计算威布尔分布参数。 执照 没有任何。 随意使用它。 语境 特定位置的风速频率通常可以用概率密度函数建模，[ 分布）。 它的参数可以使用下面列出的论文中介绍的几种方法来确定。 唯一需要的输入数据是所选位置的风速时间序列。 测定方法 我在 Matlab 中实现了一个脚本，该脚本从跨越几个月的简单时间序列测量中提取这些参数。 我使用的测定方法是简单的图形法。 样本输出 样本威布尔概率密度函数： 参考 以下论文描述了几种威布尔分布参数确定方法： Akdag, SA 和 Dinler, A.，一种估算风能应用威布尔参数的新方法，能源转换和管理，50:7 1761–1766，2009 Seguro, JV 和 Lambert, TW, 用于风能分析的威布尔风速分布参数的现代估计，风工程与工业空气动力学杂志，85:1 75–84

event2vec 打扫

时间序列转换器 Transformer 模型的实现（最初来自 ）应用于时间序列（由提供支持）。 变压器型号 Transformer 是基于注意力的神经网络，旨在解决 NLP 任务。 它们的主要特点是： 特征向量维度的线性复杂度； 序列计算的并行化，而不是顺序计算； 长期记忆，因为我们可以直接查看任何输入时间序列步骤。 这个 repo 将专注于它们在时间序列中的应用。 数据集和应用作为元模型 我们的用例是为建筑能耗预测建模一个数字模拟器。 为此，我们通过对随机输入（建筑特征和使用情况、天气等）进行采样创建了一个数据集，并获得了模拟输出。 然后我们以时间序列格式转换这些变量，并将其提供给转换器。 时间序列的改编 为了在时间序列上表现良好，必须进行一些调整： 嵌入层被通用线性层取代； 原始位置编码被删除。 可以改用“常规”版本，更好地匹配输入序列日/夜模式； 在注意力图上应用一个

杨叔子, 吴雅. 时间序列分析的工程应用. 华中理工大学 出版社

时间序列预测方面论文，RNN_LSTM角度有所区别创新

植被物候处理软件，包含三种主流提取方法，AG SG和DL。如果有操作方面的使用需求可以直接去B站搜索植被物候就能找到我给大家录得操作流程。评论下面可以看到有群信息，欢迎大家一起交流物候研究心得，共同进步。

时间序列，适合做时间序列的数据资源。

这些示例展示了使用深度学习对时间序列数据（即 ECG 数据）进行分类的两种方法。 第一种方法是使用连续小波变换和迁移学习，而第二种方法是使用小波散射和 LSTM。 该代码的解释是中文的。 使用的数据集可以在： https : //github.com/mathworks/physionet_ECG_data/下载 有关该主题的视频系列（中文）如下： https://www.mathworks.com/videos/series/deep-learning-for-time-series-data.html