时间序列预测和分析Introduction to Time Series and Forecasting homework03-solutions.pdf
2022-05-28 20:30:37 1.68MB 文档 互联网 资源
该视频以实例形式详细讲解了R语言Prophet函数,该函数可用于时间序列数据的趋势预测和分解。包含详细的R语言代码,简单易操作。
2022-05-26 16:33:30 27.06MB R Prophet
1
Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting
2022-04-25 19:17:32 1.05MB 研究论文
1
‍:rocket: AI足球大数据爬虫分析预测一体化项目(golang) :memo: 项目地址 :party_popper: 项目简介 简单分析的项目.AI足球球探为程序全自动处理,全程无人为参与干预足球分析足球预测程序.程序根据各大指数多维度数据,结合作者多年足球分析经验,精雕细琢,集天地之灵气,汲日月之精华,历时七七四十九天,经Bug九九八十一个,编码而成.有兴趣的朋友
2022-04-22 00:44:26 1.69MB golang prediction forecast forecasting
1
Arauto 用于时间序列实验和预测的交互式工具 Arauto是一个开源框架,旨在简化建模和实验时间序列分析和预测的过程。 Arauto提供了一个直观的交互式界面,可以使用自回归模型(AR,ARMA,ARIMA,SARIMA,ARIMAX和SARIMAX)探索模型的不同参数。 越来越多的估计器和算法正在研究中。 关于Arauto的博客文章 Arauto在Towards Data Science的Medium博客上得到了推荐。 。 特征 支持外源回归变量(独立变量) 季节性分解可让您了解数据的趋势,季节性和残差 使用增强Dickey-Fuller检验的平稳性检验 自定义数据转换的平稳性:您可以使用从一阶差异到季节性日志来转换数据 ACF (自相关函数)和PACF (偏相关函数)用于项估计 自定义ARIMA术语或让Arauto根据您的数据选择最适合您的 网格搜索功能可进行参数调整 代码生成
2022-04-17 16:25:34 227.17MB python time-series-forecasting Python
1
有三种方法(1、2 和 3 [反向传播])来预测时间序列。 这是一组 MATLAB 编程、屏幕短片、给出结果的 Fig 文件。 按照文件中的注释运行程序
2022-04-16 16:28:23 256KB matlab
1
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。
2022-04-13 09:13:46 329KB 支持向量机 算法 学习 回归
Forecasting Human-Object Interaction: Joint Prediction of Motor Attention and Actions in First Person Video ECCV 2020 task:anticipating human-object interaction in first person videos
2022-04-06 03:11:25 6.4MB 论文阅读 深度学习
1
arima的matlab代码time_series_forecasting_pytorch 实验源码:使用pytorch进行时间序列预测,包括MLP、RNN、LSTM、GRU、ARIMA、SVR、RF和TSR-RNN模型。 要求 Python 3.6.3(Python) keras 2.1.2 火炬 1.0.1 张量流-GPU 1.13.1 sklearn 0.19.1 麻木 1.15.4 熊猫 0.23.4 统计模型 0.9.0 matplotlib 2.1.0 代码 ARIMA.py:ARIMA 模型,迭代版本 Holt_Winters.py Holt-Winters 模型,只有初级版本 eval.py:评估指标,包括RMSE、MAE、MAPE和SMAPE。 NN_forecasting.py:神经网络预测 model.py:神经网络模型 train.py:神经网络模型的训练和预测,包括RNN、LSTM、GRU、MLP、TSR-RNN ts_decompose.py:时间序列分解 ts_loader:神经网络模型的数据加载器 ML_forecasting.py:通用机器学习模型,包
2022-03-29 15:12:11 4.28MB 系统开源
1
基于LSTM的短期风力发电预测
2022-03-21 19:28:54 1KB
1