时序预测 | 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（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LSTM时间序列未来多步预测（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，可以实现未来100个值的预测。

时序预测 | MATLAB实现BiLSTM时间序列未来多步预测（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，可以实现未来100个值的预测。

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ARIMA时间序列预测（完整源码和数据） 本程序基于MATLAB的armax函数实现arima时间序列预测； 实现了模型趋势分析、序列差分、序列平稳化、AIC准则模型参数识别与定阶、预测结果与误差分析过程，逻辑清晰。 数据为144个月的数据集，周期为一年，最终实现历史数据的预测和未来两年数据的预报！

2.最小二乘法 将预测期的自变量值代入拟合的趋势方程进行外推预测。 预测：

大数据-算法-风速时间序列预测算法研究.pdf

大数据-算法-非线性动力系统时间序列分析方法及其应用研究.pdf

在电商产业链中，为提升用户物流服务体验，供应链协同将货品提前准备在全球各个市场的本地仓，可有效降低物流时间，极大提升用户体验。不同于国内电商物流情况，出海电商的产品生产和销售地区是全球化的，商品的采购，运输，海关质检等，整个商品准备链路需要更长的时间。在大数据和人工智能技术快速发展的新时代背景下，运用大数据分析和算法技术，精准预测远期的商品销售，为供应链提供数据基础。 供应链需求预测，对原问题做建模问题简化。考虑商品在制造，国际航运，海关清关，商品入仓的供应链过程，实际的产品准备时长不同。这里将问题简化，统一在45天内完成。该资源为利用最近1年多的商品数据预测45天后5周每周（week1~week5）的一个不同SKU的销量模型。 该资源为大数据或者机器学习领域中一个完整的时间序列的预测案例，感兴趣的朋友可尝试下载学习，对于在供应链、电商领域的做算法研究的朋友有比较大的帮助

提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分；然后，针对直觉模糊时间序列的数据特性，提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法；最后，利用直觉模糊多维取式推理建立高阶模型的预测规则，进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验，结果表明该模型有效提高了预测精度，证明了模型的有效性和优越性。