基于双阶段注意力的时间序列预测神经网络，基于Chandler Zuo的。 我已经将代码扩展为适用于多元时间序列，并添加了一些预处理功能，但是鉴于我基本上是从他的帖子中复制代码，因此版权可能归他所有。 最近使用PyTorch JIT的分支称为jit 。 有一个不同的，但是据我所知，它只是单变量。

ARX_model 该存储库包含用于时间序列预测模型ARX的python程序。 AX.py和csv_read.py是两个Python文件，用于使用csv文件作为输入来测试AR模型。 ARX_test是用于测试所提出的ARX模型的性能的程序。

matlab内含BP、RBF、Elman神经网络等模型，用于时间序列预测，比较基础，应用简单，比较容易上手。

基于新颖输入表达的CRBM时间序列预测模型，任永攀，毛京丽，深度学习通过多层神经网络能够提取更深层次的信息，已经在图像预测领域取得了较好的性能，其中条件受限玻耳兹曼机(CRBM)模型，因考

分解数据： 时间序列稳定化 测试方法： 测试序列稳定性： 看以看到整体的序列并没有到达稳定性要求，要将时间序列转为平稳序列，有如下几种方法：DeflationbyCPI Logarithmic（取对数）

很好的描述了如何将人工智能之循环神经网络运用于金融之股票市场的预测，包括特征处理，标准化，结论，与传统机器学习的效果进行比较

文章目录前言适用于多时间步预测的CNN模型1 单变量多步预测 CNN 模型1.1 业务需求1.2 1D CNN 模型1.3 完整代码 前言 与其他机器学习算法不同，卷积神经网络能够从序列数据中自动学习特征，支持多变量数据，并可直接输出用于多步预测的向量。一维CNN已被证明可以很好地执行，甚至在具有挑战性的序列预测问题上也能达到最新的结果。 计划用两篇文章介绍如何开发 1D CNN 进行多步时间序列预测。主要内容如下： 如何为单变量数据开发多步时间序列预测的CNN模型； 如何为多变量数据开发多通道多步时间序列预测的CNN模型； 如何为多变量数据开发多头多步时间序列预测的CNN模型。 本文介绍

Introduction to Time Series Forecasting with Python.zip Python时间序列预测简介 课程代码

2011 哈工 博 基于回声状态网络的非线性时间序列预测方法研究

Pytorch Forecasting旨在通过神经网络简化实际案例和研究中的时间序列预测。 具体来说，该软件包提供了有关“迈向数据科学”的文章，介绍了该软件包并提供了背景信息。 Pytorch Forecasting旨在通过神经网络简化实际案例和研究中的时间序列预测。 具体来说，该软件包提供了一个时间序列数据集类，该类抽象了处理变量转换，缺失值，随机子采样，多个历史记录长度等的基础模型。基本模型类提供了时间序列模型的基本训练以及登录tensorboa