《Neural Networks for Time Series Forecasting with R》，2017年新出书籍，深度学习用于时间序列

Elements of forecasting 4th edition_solution

图灵原版数学统计学系列02 时间序列分析 预测与控制 Time Series Analysis -- Forecasting and Control, 3rd Edition

argoverse forecasting_sample_v1.1数据集

Time-series-forecasting-via-deep-reinforcement-learning

A hierarchical load forecasting problem: backcasting and forecasting hourly loads (in kW) for a US utility with 20 zones. 一个分层的负荷预测问题：对具有20个区域的美国公用事业进行每小时负荷（以kW为单位）的反向广播和预测。 Benchmark.csv submission_template.csv Load_history.csv temperature_history.csv test.csv weights.csv

时间序列预测经典书籍 This textbook is intended to provide a comprehensive introduction to forecasting methods and to present enough information about each method for readers to be able to use them sensibly

每月销售预测 在这个项目中，我使用时间序列分析根据历史数据预测了零售商店的月销售额。

负荷预测数学代码使用NARnet进行时间序列预测 人工神经计算（EEE 511）-机器学习项目-2时间序列预测 团队-6钱迪尼（Chandini Radhakrishnan）1213321783钦迈布卢布（Chinmay Bolumbu）1213329869维涅什（Vignesh Namasivayam）1213341361 步骤：I.将预测值与测试数据进行比较：1.打开'Project2_Team6.m'Matlab文件。 2.在“命令窗口”中，键入：load（'Proj2_Team6_Predicted.mat'），然后按Enter。 此步骤将最终的预测值加载到名称为“ predictdata”的工作空间中。 3.现在，通过在命令窗口中键入，将测试数据加载到工作区中：testdata = xlsread（'filename.xlsx'）。 4.您可以在工作区中可用的加载的测试数据（testdata）和我们的预测值（predictdata）之间进行比较和评估。 二。 要训​​练模型（275个数据点）：1.打开'Project2_Team6.m'Matlab文件。 2.取消注释“对于模

优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。