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

MATLAB实现ARIMA时间序列预测数据集

MATLAB实现Bayes（贝叶斯）优化LSTM(长短期记忆神经网络)时间序列预测数据集

从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。 知网论文，学习使用

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：DeflationbyCPILogarithmic（取对数）FirstDifference（一阶差分）SeasonalDifference（季节差分）SeasonalAdjustment这里会尝试取对数、一阶查分、季节差分三种方法，先进行一阶差分，去除增长趋势后检测稳定性：可以看到图形上看上去变稳定了，但p-value的并没有小于0.05。再来看看12阶查分（即季节查分），看看是否稳定：从图形上，比一阶差分更不稳定（虽然季节指标已经出来了），我们再来将一阶查分和季

AR、MA、ARMA模型提取参数预测，不涉及参数优化，看完博文再下载，代码（MATLAB 2020）再博文里面都有写，也包含测试数据，对应博文：https://blog.csdn.net/Will_Zhan/article/details/116425215