苹果公司的股票数据。

Matlab

时间序列聚类以及动态时间规整（DTW）距离的优化 具有各种策略的时间序列聚类以及针对动态时间规整（DTW）距离及其对应的下限（LB）的一系列优化。 既有传统聚类算法的实现，也有更新的过程，例如k-Shape和TADPole聚类。 使用自定义距离度量和质心定义可以轻松扩展功能。 此软件包中实现的许多算法都是专门为DTW量身定制的，因此得名。 但是，主要的聚类功能很灵活，因此可以直接使用时间序列或通过应用适当的转换，然后在结果空间中进行聚类，来测试许多不同的聚类方法。 软件包中包含的其他实现为DTW提供了一些替代方案。 想要查询更多的信息： （附录中带有示例） 实作 分区，层次和模糊聚类 k形聚类 基于形状的距离 时间序列的形状提取 TADPole聚类 DTW的优化版本 Keogh和Lemire的DTW下限 全局对齐内核（GAK）距离 DTW重心平均 软DTW（距离和质心） 一些多变量支

本书以易于理解的方式讲述了时间序列模型及其应用，主要内容包括：趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差时间序列模型、谱分析入门、谱估计、门限模型.对所有的思想和方法，都用真实数据集和模拟数据集进行了说明., 本书可作为高等院校统计、经济、商科、工程及定量社会科学等专业学生的教材或教学参考书，同时也可供相关技术人员使用.

多变量 时间序列 降维 模式 异常 多变量时间序列的降维_模式匹配与异常检测

时间序列预测续应用案例数据.mat

针对目前时间序列决策研究方法的一些缺陷，提出了多变量时间序列模糊决策树挖掘方法，并给出了该方法的实验分析。实验结果证明该方法能够找出多变量时间序列子序列的形态与某个序列的后期趋势或状态的决策信息。

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。