利用排放系数和对数平均D氏指数(LMDI)分解法对甘肃省直接生活能源消费碳排放量和影响因素进行了计算和分析，并结合多种方法建立了预测模型．研究结果显示：(1)2000一2010年，碳排放量呈现整体增加的趋势，增幅为55．14％，在各种能源中煤的碳排放居于首位．就城乡结构而言，城镇的人均碳排放量高于农村，但由于农村人口基数大，其碳排放总量却高于城镇；(2)人均消费水平和能源消费强度分别对人均碳排放起到正向促进和负向抑制作用，城镇居民消费水平的提高和城镇人口比例的逐年上升以及城镇能源消费强度的下降和城镇消费在

空气污染指数（air pollution index，API）是评价空气质量状况的有效手段，在分析银川市API变化特征的基础上，将小波分析与BP神经网络相结合，分别采用分解一预测一重构法和小波函数替代法对银川市API值进行了预测，结果表明：银川市API呈现年际下降，月际周期波动的特.；相对于其他小波，采用db10对数据进行分解、预测、重构后获得的结果最好；分解一预测一重构模型的预测精度较高，优于小波函数替代模型，适用于银川市空气污染指数的预测，

用于实现时间序列数据建模与预测的LSTM程序(LSTM matlab code for time series modeling and prediction)

加密货币每日价格预测 使用机器学习和情感分析来预测加密货币的收益和损失。 请查看Overview.pdf文件以获取更多信息。

中国宏观经济形势分析与预测年度报告

宏观经济分析报告，经济形势分析，市场环境分析。。。经济形势分析，

乘客预测使用时间序列分析：我使用时间序列分析来预测公交车站乘客的行为和方式，数据可视化包括时间序列图

从真实的新浪微博数据中分析用户的转发行为,提取了用户特征、微博特征、交互特征和结构特征等4个方面的影响转发行为的因素。通过实证分析各个特征对转发行为的具体影响,并利用机器学习中的不同预测算法对用户是否会对给定主题的微博产生转发行为进行预测。实验表明,用我们选取的因素,结合逻辑回归模型对于用户转发行为的预测更加准确。

[如果您有任何问题，请不要在下面的“评论和评分”中留言，请通过 dcdiga@uri.edu 与我联系] 使用“UTide”Matlab 函数进行统一潮汐分析和预测 *专为处理不规则分布和/或不连续的记录时间而设计。 * 适用于多年分析：准确的节点/卫星改正不限于短于 1-2 年的记录长度。 * 可以提供易于使用和全面的诊断，以帮助成分选择过程。 * 使用类似的语法处理海平面（幅度和相位）或电流（当前椭圆参数）。 * 根据原始输入和谐波拟合之间残差的频谱（常规时间的 FFT，不规则时间的 Lomb-Scargle）生成置信区间。 * 结合了强大的 L1/L2 解决方案方法，以最大限度地减少异常值的影响。 * 可以通过一个 m 函数调用来分析时间序列组（例如来自一组仪器或一组模型网格点的记录）。 * 基于 t_tide（Pawlowicz 等人，2002 年）、r_t_tid

Machine_Learning-Housing_grade_prediction_using_python 机器学习被广泛用于建立数据分析的预测模型。 数据集包含一个训练文件，我们使用该训练文件来训练算法以对测试文件进行预测。 该文件包含大约2500多个缺失值。 我们使用KNN插补来自动填充缺失的位置，以进行更好的预测。 用于对训练和测试数据集进行预测的模型是SVM。 使用线性核获得的模型的准确性约为88.6％，比rbf的准确性高23％。