该模型可用于预测大多数传染病的发病率，拟合和预测性能较好。 开发 GRNN 模型的详细信息见论文：“自回归综合移动平均 (ARIMA) 和广义回归神经网络 (GRNN) 的组合模型在预测中国横县肝炎发病率中的应用” PMCID：PMC4892637 DOI： 10.1371/journal.pone.0156768。

时间序列预测 该存储库实现了时间序列预测的常用方法，尤其是TensorFlow2中的深度学习方法。 如果您有更好的主意，欢迎您贡献力量，只需创建PR。 如有任何疑问，请随时提出问题。 正在进行的项目，我将继续进行改进，因此您可能希望观看/加注此仓库以进行重新访问。 神经网络 波浪网 变压器 网络 拍子 甘 用法 安装所需的库 $ pip install -r requirements.txt 如有必要，下载数据 $ bash ./data/download_passenger.sh 训练模型如果需要，请设置custom_model_params （请参阅./deepts/models/

为公交规划科学合理的进行,建立公交客运量时间序列预测模型.通过对公交客运量影响因素进行分析,选取市区人口数、从业人员数、在校学生数、工业生产总值、职工年平均工资、公交车辆数、运营线路数等7个指标自变量,利用指数平滑法对自变量进行预测;在对自变量进行相关分析及因子分析的基础上,建立prais-winsten AR(1)自回归时间序列模型对公交客运总量进行预测;采用ARMA模型对哈尔滨市各分区公交客流量进行了拟合和预测.结果表明:所建立的时间序列预测模型预测效果良好,验证了模型的有效性和准确性.

在时间序列预测问题中，建立LSTM模型，采用python语言代码实现

GRU-ARIMA时间序列预测 GRU和ARIMA模型用于时间序列预测，其中GRU可用于短期和长期预测。使用GRU和ARIMA模型进行时间序列预测，其中GRU可以进行短期预测和长期预测。

Temporal Pattern Attention for Multivariate Time Series Forecasting

TensorFlow版本：1.9.0 Keras版本：2.0.2 我的博客： :

时间序列预测matlab程序

利用极限核学习机预测，有数据，可以直接运行，在此基础上根据自己的数据直接修改，拟合效果好，可以在此基础上进行进一步粒子群优化，提高模型的适应度值

基于ARMA模型和BP网络的时间序列预测模型，杨杰，孙旭东，摘要：本文主要介绍了时间序列和BP网络基础理论以及其预测的应用，并以2006年上证指数的开盘数据为例建立了基于这两种方法的预测模