图神经网络 | Python实现LSTM-GNN时间序列预测 LSTM-GNN用于病人的结果预测：一个混合模型，结合了用于提取时间特征的长短期记忆网络（LSTM）和用于提取病人邻域信息的图谱神经网络（GNN）。 关于预测重症监护室（ICU）病人结果的工作主要集中在生理时间序列数据上，基本上忽略了诊断和药物等稀疏数据。当它们被包括在内时，它们通常是在模型的后期阶段被串联起来的，这可能难以从更罕见的疾病模式中学习。通过在图中连接类似的病人，将诊断作为关系信息加以利用。 LSTM-GNNs在eICU数据库的住院时间预测任务中的表现优于仅有LSTM的基线。利用图神经网络从相邻的病人病例中提取信息是一个很有前途的研究方向，在电子健康记录的监督学习性能方面产生了切实的回报。

第二章 时间序列预测与回归分析模型第2页指同一变量按发生时间的先后排列起来的一组观察值或记录值。例如：1990-2008年我国国内工业生产总值；某类型的汽车20

MATLAB源程序23 小波神经网络的时间序列预测-短时交通流量预测.zip

在了解SSA时候从文献中看到该预测方法，并将其实现，通过简单的案例测试了该方法，并得到较好的预测结果。当然该方法对非平稳序列的预测、长时序预测的效果怎样还未知，需要进一步验证，这里将代码进行整理和分享。

wavenet时间序列预测---TensorFlow版（附源码+数据），博客连接https://blog.csdn.net/qq_22290797/article/details/108506401?spm=1001.2014.3001.5501

Facebook时间序列预测模型fbprophet安装二fbprophet的安装和验证，博客连接https://blog.csdn.net/qq_22290797/article/details/108751180?spm=1001.2014.3001.5501

时间序列ARMA系列教程，MATLAB代码。

时间序列预测，利用GRU模型预测客流、车流时间序列

Python实现STID多元时间序列预测 多元时间序列 (MTS) 预测在广泛的应用中起着至关重要的作用。STID 基于简单的多层感知器 (MLP) 同时实现最佳性能和效率。

MATLAB实现TCN时间卷积神经网络时间序列预测（完整源码和数据） 数据为单变量时间序列数据， 运行环境MATLAB2020b及以上， 程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。