时序预测 | MATLAB实现Elman神经网络时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

张贤达出版的《时间序列分析— 高阶统计量方法》一 书是国内盲信号分离研究的里程碑，书中介绍了盲分离 的理论基础及有关算法，经典。

时序预测 | MATLAB实现CNN(卷积神经网络)时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

时序预测 | MATLAB实现BP神经网络时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

2月22日打卡学习记录 一开始把Aliyun和Docker账号搞混了，出了很多模型奇妙的bug最后还是好不容易在最后关头跑通了。。太难了我的天。 通过pycharm终端构建图像 将图像推送到我的注册表 成功记录得分：-16 2月26日打卡学习记录 因为数据很多，所以我们使用tsfresh来生成功能，只是一个自动的功能工程，然后套入了模型。 后续思路是使用transformer来进行预测。

时序预测 | MATLAB实现SVM(支持向量机)时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

随机波动率模型（SV模型） 模型的定义为： 其中 ，且 和 独立。 估计SV模型比较困难，需要利用Kalman滤波的伪似然方法或者蒙特卡洛方法。

之前作为初学者的时候，发现类似资源比较少，所以想发布类似的资源，帮助更多的人，本教程适合有一定基础的人

CNN可以很好地识别数据中的简单模式，然后使用这些模式在更高的层中形成更复杂的模式。当您希望从整体数据集的较短(固定长度)片段中获得有趣的特征，且特征在片段中的位置相关性不高时，1D CNN非常有效。 这适用于传感器数据(如陀螺仪或加速度计数据)的时间序列分析。它还适用于分析固定长度周期内的任何类型的信号数据(如音频信号)。另一个应用程序是NLP(尽管在这里LSTM网络更有前途，因为单词的接近程度可能并不总是一个可训练模式的良好指示器) 博客地址：https://blog.csdn.net/weixin_38346042/article/details/121742025?spm=1001.2014.3001.5501

该函数根据加速度时间序列计算地震参数。 具体来说，它计算速度与时间、位移与时间、峰值地面加速度 (PGA)、峰值地面速度 (PGV)、峰值地面位移 (PGD)、Arias 强度与时间、总 Arias 强度 (Ia)、5% 之间的时间和 75% 的 Ia 已经发生（显着持续时间 D5-75），发生 5% 和 95% Ia 之间的时间（显着持续时间 D5-95），平均周期（Tm），伪加速响应谱（Sa），伪速度响应谱 (Sv)、位移响应谱 (Sd) 和傅立叶幅度谱 (FAS)。