非常著名的时间序列分析工具，找了很久的。可2次开发。

自述文件 模组 这是一个Python软件包，设计用于处理肽，蛋白质或天然氨基酸的任何氨基酸序列。 它包含了几个模块，例如描述符计算（模块descriptors ）或序列生成（模块sequences ）。 有关如何使用该软件包的基本说明，请参阅本自述或部分。 安装 快速说明：从版本4开始，modlAMP支持Python3。不建议与Python 2.7一起使用。 为了使安装正常进行，需要安装pip 。 如果不确定是否已有pip，请在终端中键入pip --version 。 如果尚未安装pip，请通过sudo easy_install pip安装。 无需手动下载软件包即可安装modlAMP。 在您的终端中，只需键入以下命令： pip install modlamp 要将modlamp更新到最新版本，请运行以下命令： pip install --upgrade modlamp 用法 本节

超好的序列比对分析软件，使用很方便，和大家一起分享，

可以对物候时间序列分析，看其与温度之间的关系

《时间序列分析及应用:R语言(原书第2版)》以易于理解的方式讲述了时间序列模型及其应用，主要内容包括：趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差时间序列模型、谱分析入门、谱估计、门限模型.对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。

气温的变化对农业生产、环境、水资源、人民生活有很大的影响，对气温的建模及预测一直是人工智能领域的热点话题，本文运用时间序列ARIMA模型的建模方法对2006年-2020年全国年平均温度进行分析研究，通过MATLAB软件建立了ARIMA时间序列模型，同时运用建立的模型对2021年和2022年全国年平均温度进行预测，本文的研究结果对工农业生产、人民生活具有一定参考价值。

只有此试用版是完全功能试用版，软件非常强大。

时间序列分析人大白皮版数据，习题数据，表格与文档形式。

以IGS发布的电离层总电子含量（total electroft content, TEC）数据为样本，利用时间序列分析进行预报。将TEC时间序列分解为趋势项、周期项和随机项的组合，并利用相关系数和偏相关系数确定模型阶数。对IGS提供的2008年TEC数据进行预报分析，结果表明，采用时间序列分析能达到较高精度，预报7d时的平均相对精度为87.75%，预报精度大于60%的预报值占所有预报值的95%以上，预报精度大于85%的预报值占所有预报值的72.6%，95.3%的预报残差小于±3TECU。

王燕 应用时间序列分析 中国人民大学出版社