该程序计算时间历史的无损缩放快速傅立叶变换。 输入文件必须是时间（秒）和幅度（单位） 参考：Randall，频率分析，Bruel 和 Kjaer，第 170 页。

混沌时间序列分析中的c-c方法，用于求相空间重构时的求时间窗和延时时间

matlab自相关代码根赫斯特 赫斯特指数 计算时间序列的广义赫斯特指数。 Hurst指数给出的值指示时间序列的长期记忆，类似于自相关函数的衰减： 另请参见代码中的其他参考。 实施 此实现是由Tomaso Aste在2013年编写的以下Matlab代码从Matlab到Python（3.6）的大致文字转换： 如何使用代码 定义了一个函数mH = genhurst(S,q) ，其中S是要分析的时间序列， q是要使用的Hurst指数，得出数值（均值） mH 。

优化Keras模型的层结构以减少计算时间

在图上可以看到最近的轨迹的发散。 如果确定了曲线的线性范围，代码就可以计算出最大的lyapunov指数。 该代码已使用 Rosenstein 文章的结果进行了测试。

该程序计算基本输入的冲击响应谱，其中基本输入采用加速度时间历程的形式。

主要介绍了Python实现计算两个时间之间相差天数的方法,涉及Python针对日期时间的相关运算操作技巧,需要的朋友可以参考下

js 计算时间（几分钟前、几小时前、几天前、几周前、几月前）

赫斯特指数 根据重标范围（R / S）分析计算时间序列的赫斯特指数。 参考： ： 环境 Python 3.6.2 AMD64 numpy的（1.13.3 + MKL） 熊猫（0.20.3） 用户指南 进口赫斯特ts = list（range（50）） hurst = Hurst.hurst（ts） 尖端 输入ts必须是对象列表（n_samples，）或np.array（n_samples，）。

计算恒定速率时间序列的各种艾伦偏差，其中在一个函数中计算时间序列的正常、修改和定时艾伦偏差。 [AVAR]=艾伦（数据，TAU） 输入是一个包含时间序列和速率的简单结构，输出包含分配的艾伦偏差。 笔记： 很长的时间序列的修改和定时艾伦偏差的计算可能会变慢。 建议取消注释 .msig* 和 .tsig*，只有在 .sig*、.sig2* 和 .osig* 的计算已经证明足够快之后。 不执行数据的预处理。 对于恒定速率时间序列，仅针对大于样本之间的最短时间且小于总时间的一半的 tau 值计算偏差。 FCz OCT2009 v3.0 速度更快，代码非常简单，无需绘图； 各种艾伦偏差可以计算； 脚本和示例数据可在www.nbi.dk/~czerwin/files/allan.zip （正常、重叠和修改后的艾伦偏差在一个功能，与 MAHs 将各种方法分开的方法形成鲜明对比职能。 不过，这可能