时间序列分析预测小工具。自回归模型分析，卡尔曼滤波自回归模型，AIC, BIC, FPE, MDL, SBC, CAT, PHI自回归模型检验。The TSA toolbox is useful for analysing Time Series. - Stochastic Signal processing - Autoregressive Model Identification - adaptive autoregressive modelling using Kalman filtering - multivariate autoregressive modelling - maximum entropy spectral estimation - matched (inverse) filter design - Histogram analysis - Calcution of the entropy of a time series - Non-linear analysis (3rd order statistics) - Test for UnitCircle- and Hurwitz- Polynomials - multiple signal processing - Several criteria (AIC, BIC, FPE, MDL, SBC, CAT, PHI) for model order selection an autoregressive model are included. - Fast algorithms are used - missing values (encoded as NaN's) are considered

该函数对金融时间序列的相关矩阵进行特征分解，过滤掉市场模式分量和噪声分量，只留下相关矩阵中与原始时间序列集合中的细观结构相对应的分量。 该函数旨在与社区检测算法（例如 Louvain 方法）结合使用，以允许在基于时间序列的网络上进行社区检测

为计算SDCORS(山东GPS连续运行参考站)基准站的运动趋势和提取高程方向的周期性信号,文中归算了SDCORS基准站2007~2016年9年的数据,发现SDCORS中基准站具有站速度约为3.5 cm/a,向东南方向运动的趋势;利用谱分析探测到SDCORS基准站高程方向存在并不严格的三年、两年、一年、半年、季节以及以月为周期的变化,利用小波分析提取到振幅为5~15 mm的周期性信号,并对各周期信号的产生因素进行了推断。

matlab系统聚类代码随机对战系列 RandomWarpingSeries（RWS）是用于生成时间序列矢量表示的简单代码，用于时间序列分类，聚类和回归。 该代码是WME中的WME的简单实现（Matlab，Matlab MEX和C的混合）（Wu等人，“随机变形序列：用于时间序列嵌入的随机特征方法”，AISTATS'18）。 我们将有关RWS的更多信息引至以下论文链接：。 先决条件 为了运行此代码，至少有两个必需的工具包。 您需要下载DTW，LibLinear或LibSVM并为您的操作系统（Mac，Linux或Windows）编译相应的MEX文件。 对于DTW： 对于LibSVM：或LibLinear： 对于单变量时间序列数据集，您可以从UCR时间序列集合（）或UEA时间序列集合（）下载一些数据集。 对于多元时间序列数据集，您可以从UCI机器学习存储库（）或您喜欢的应用程序中下载一些数据集。 通常建议先将数据进行Z形式化处理，然后再将其提供给我们的时间序列嵌入代码。 如何运行代码 请注意，为了获得最佳性能，必须搜索超参数DMax，sigma甚至lambda_inverse（用于使用SVM

基于遗传规划的时间序列建模研究，葛志远，王若琳，时间序列分析是研究经济学和统计学的一种重要方法，但其在应用中面临复杂的模型选择、模型参数估计和模型适用性检验过程，实际上

针对高风险背景下的混沌时间序列区间预测问题,首次将回声状态网络与一致性预测框架相结合,提出基于两者的混沌时间序列区间预测算法.该算法将回声状态网络的拟合能力与一致性预测区间的可靠性相结合,使得最终的预测区间包含被预测值的频率或概率可以被显著性水平参数所控制,即预测区间具有极高的可信度.同时,由于使用岭回归学习回声状态网络的输出权重,使得算法在学习阶段对样本的留一交叉估计可以被快速地计算,极大地缩短了一致性预测的学习时间.理论分析表明,所提出算法的时间复杂度等价于原始回声状态网络算法的时间复杂度,即算法具有较快的计算速度.实验表明,所提出算法能够较精确地控制预测的错误率,对噪声具有鲁棒性,且预测区间比基于高斯过程的预测区间更加准确地刻画了被预测值的波动范围.

系统介绍时间序列算法AR/MA/ARIMA等，结合R语言实现和应用

向量自回归模型，可以用于分析多元时间序列相关关系，进行格兰杰因果检验、脉冲响应等等

该数据集将多元时间序列数据的多维拆解成多个一维文件，并以csv的格式对数据进行存储 该数据集结构为： -E:/桌面/代码/数据集/Multivariate2018_arff_csv -ArticularyWordRecognition -test_dim1.csv -test_dim2.csv ..... -train_dim1.csv -train_dim2.csv ..... -train_label.csv -test_label.csv 每个数据集下包含测试集数据、测试集标签、训练集数据、训练集标签

该数据集结构为： -E:/桌面/代码/数据集/UCRArchive_2018_csv -ACSF1 -TEST.csv -TEST_label.csv -TRAIN.csv -TRAIN_label.csv -Adiac -TEST.csv -TEST_label.csv -TRAIN.csv -TRAIN_label.csv -AllGestureWiimoteX -TEST.csv -TEST_label.csv -TRAIN.csv -TRAIN_label.csv -...... 每个数据集下包含测试集数据、测试集标签、训练集数据、训练集标签