电力需求预测：机器学习模型预测Sunyani和Nationwide的未来电力需求

cnn-bilstm-attention-time-series-prediction_keras-master

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

非线性时间序列分析nonlinear time series anlysis英文版

非线性时间序列分析 Nonlinear time series analysis Holger Kantz，Max Planck Institute for Physics of Complex Systems， Dresden Thomas Schreiber，Physics Department ，University of Wuppertal

R语言时间序列模型的实现 斯普林格pdf高清版本

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

时间序列是一段时间内的一系列观察结果xt。通常情况下，观测可以在整个时间间隔内进行，在一个时间间隔或固定的时间点随机采样。不同类型的时间采样需要不同的数据分析方法。

能量时间序列 这是我在Ecole Polytechnique（MSc Data Science，2019-2020）上的机器学习（II）课程的最后一个项目。 目的是训练一种算法来代替过于侵入和过于昂贵的常规房屋能耗监测系统。 这一挑战被称为NILM（非侵入式负载监视）或NIALM（非侵入式设备负载监视）。 挑战的目的是根据时间数据预测专用于4种电器（洗衣机，电冰箱，电视，水壶）的一个家庭的用电量比例。 这项挑战由ENS（国家高等专科学校）提供： : 。 我们使用了回归模型，在的报告中对此进行了详细介绍。

弗雷德 快速，可扩展且轻量级的C ++Fréchet距离库，暴露于python，专注于多边形曲线的（k，l）聚类。 成分C ++后端 import Fred.backend as fred 线程数 默认情况下，Fred将自动确定要使用的线程数。如果要设置上限，请调用fred.set_maximum_number_threads(number) 。 曲线 签名： fred.Curve(np.ndarray) ， fred.Curve(np.ndarray, str name) 属性： fred.Curve.values ：曲线为np.ndarray ， fred.Curve.name ：获取曲线的名称， fred.Curve.dimensions ：曲线的尺寸， fred.Curve.complexity ：曲线的点数 曲线图 签名： fred.Curves() 方法： fred.Curv