4.Holt-Winter加法模型（三个参数） 该方法适用于具有线性时间趋势和加法模型的季节变差。yt 平滑后的序列 由下式给出 其中：at 表示截距，bt 表示斜率， at + bt k 表示趋势，St 为加法模型的季节因子，s 表示季节周期长度，月度数据 s =12，季度数据 s = 4。需要用简单的方法给出季节因子的第一年的初值，以及截距和斜率的初值。

结合相空间重构理论和统计学习理论.实现混沌时间序列的多步预测.采用微熵率法求得最优嵌入维数和时延参数,重构系统相空间,用最小二乘支持向量机建立混沌时间序列的多步预测模型,并与径向基函数网络预测模型比较.结果表明,所建立的模型能够捕捉到原混沌系统的动力学特征.前者的归一化均方根预测误差远小于径向基函数网络预测模型的预测误差,泛化能力较强,其预测效果较好.

网格-时空多维网格数据的信息学 Riley Hales开发了一个Python工具，用于从多维数据数组中提取时间序列子集，这是杨百翰大学土木与环境工程硕士学位论文的一部分。

汉密尔顿《时间序列分析》，下册，完整高清版，量化分析，时间序列分析必备

arma模型matlab代码py-ARFIMA 此Python代码是在我在LARIS（）实习期间开发的。 该代码已改编自Simone Fatichi（）的Matlab代码ARFIMA Simulations。 正如Boris Podobnik和H. Eugene Stanley：“去趋势互相关分析：一种用于分析两个非平稳时间序列的新方法”（2008）（）所述，仅对该代码进行了测试，以生成信号。 即，对于固定为N的信号，固定为0 <d <0.5，正常的随机噪声：er = np.random.normal（0,1，N）并且没有其他输入。 此python代码实现了一个函数来生成ARFIMA（自回归分数整数移动平均值）模型。 这些模型概括了ARIMA（自回归综合移动平均线）和ARMA（自回归移动平均线）模型。 ARFIMA模型允许使用差分参数的非整数值，并且在建模具有较长内存的时间序列时很有用。 该模型通常表示为ARFIMA（p，d，q）模型，其中d是微分参数，p和q分别是模型的自回归和移动平均部分的顺序。 此包使用numpy包（）

树状图时间序列 Scipy的聚类聚类树状图要求进行广泛的自定义，以使其信息更丰富。 此程序包通过两个自定义包装scipy的树状图： 侧面的时间序列图 距离标签和聚类分裂点 安装 下载dendrogram_ts.py并放入您的python site-package或project文件夹中。 按最大聚类绘制 from dendrogram_ts import maxclust_draw plt . style . use ( 'seaborn-whitegrid' ) plt . figure ( figsize = ( 8 , 5 )); maxclust_draw ( df , 'ward' , 'euclidean' , max_cluster = 10 , ts_hspace = 2 ) 按颜色阈值绘制 from dendrogram_ts import colorclust_dra

时间序列分析简明教程--张树京齐立心 大致介绍了时间序列分析的各个模型和各个模型的实现步骤 公式不用看 直接看操作步骤 网上找实现

风力发电随机风速时间序列模型的研究，张建忠，程明，本文介绍了分别基于威布尔分布模型、组合风速模型和风轮等效风速模型的风力发电随机风速时间序列生成方法，给出了三种随机风速生

小波神经网络的时间序列预测——短时交通流量预测

时间序列，劳动生产率，数据集