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)。

预测能源时间序列 该项目处于开发的初期阶段。 我目前正在Tempus Energy处理时间序列问题-在为Tempus构建工作工具时，我尝试将其移植到该库中。 回购目标 此回购的目的是提供一组工具和能源问题的时间序列预测示例。 可重复使用的工具存在于forecast/forecast -项目特定的代码存在于projects/project_name 。 项目文件夹的结构是灵活的。 数据 用于刮擦公开可用的能源数据集的工具以及用于训练模型的清洁和处理数据的工具。 刮ing Elexon（英国网格数据） 加工 埃莱克森 风电场数据 Makridakis_2018_statistical_ml_concerns.pdf Original data: No pre-processing is applied. • Transforming the data: The log or the B

goNfCollector:一套收集和分析Netflow并将其导出到许多数据库和应用程序的工具，例如InfluxDB时间序列数据