时间序列转换器 Transformer 模型的实现（最初来自 ）应用于时间序列（由提供支持）。 变压器型号 Transformer 是基于注意力的神经网络，旨在解决 NLP 任务。 它们的主要特点是： 特征向量维度的线性复杂度； 序列计算的并行化，而不是顺序计算； 长期记忆，因为我们可以直接查看任何输入时间序列步骤。 这个 repo 将专注于它们在时间序列中的应用。 数据集和应用作为元模型 我们的用例是为建筑能耗预测建模一个数字模拟器。 为此，我们通过对随机输入（建筑特征和使用情况、天气等）进行采样创建了一个数据集，并获得了模拟输出。 然后我们以时间序列格式转换这些变量，并将其提供给转换器。 时间序列的改编 为了在时间序列上表现良好，必须进行一些调整： 嵌入层被通用线性层取代； 原始位置编码被删除。 可以改用“常规”版本，更好地匹配输入序列日/夜模式； 在注意力图上应用一个

杨叔子, 吴雅. 时间序列分析的工程应用. 华中理工大学 出版社

时间序列预测方面论文，RNN_LSTM角度有所区别创新

植被物候处理软件，包含三种主流提取方法，AG SG和DL。如果有操作方面的使用需求可以直接去B站搜索植被物候就能找到我给大家录得操作流程。评论下面可以看到有群信息，欢迎大家一起交流物候研究心得，共同进步。

时间序列，适合做时间序列的数据资源。

这些示例展示了使用深度学习对时间序列数据（即 ECG 数据）进行分类的两种方法。 第一种方法是使用连续小波变换和迁移学习，而第二种方法是使用小波散射和 LSTM。 该代码的解释是中文的。 使用的数据集可以在： https : //github.com/mathworks/physionet_ECG_data/下载 有关该主题的视频系列（中文）如下： https://www.mathworks.com/videos/series/deep-learning-for-time-series-data.html

本书分为上、下两册，共四部分：第一部分是时序分析工程应用的基础理论，包括时序分析与系统辨识、系统分析间的关系，ARMA模型的工程意义，ARMA模型的时域和频域特性，离散模型与连续模型的转移；第二部分是时序分析工程应用的基本技术，主要包括AR模型、ARMA模型的建模方法；第三部分是时序分析工程应用的各个专题，包括最佳预测与控制，模态参数估计，模式识别与故障诊断，表面形貌分析；第四部分是时序分析工程应用的进一步扩展内容，包括多元时序的ARMAV模型，非平稳时序的各种模型，非线性时序模型中的门限自回归模型和双线性模型，非高斯时序的各种模型，时间序列的状态模型以及这些模型的工程应用。 本书与工程应用紧密联系，取材主要来自作者与国内其他学者们的研究工作。本书可作为工程学科硕士生教材，还可作为其他有关专业本科生、研究生、教师及工程技术人员与科学研究人员的参考书。

功率谱密度函数 MATLAB代码psdr 概述 作者：Yong-Han Hank Cheng 该软件包允许您生成和比较给定时间序列数据的功率谱密度 (PSD) 图。 快速傅立叶变换 (FFT) 用于获取时间序列数据，分析振荡，然后以 PSD 图的形式输出时间序列中这些振荡的频率。 因此，给定时间序列，可以识别时间序列中的主要频率。 此包中的附加功能允许将多组时间序列的主要频率相互比较。 要查看此包主要功能的示例用法，请访问此站点： 此处描述了用于生成 PSD 的数学运算： “噗。” 快速傅立叶变换 - MATLAB。 2021 年 5 月 25 日访问。 “信号分析仪。” MATLAB 和 Simulink。 2021 年 5 月 25 日访问。 安装 # Install the package from GitHub devtools :: install_github( " yhhc2/psdr " ) # Load package library( " psdr " ) 用法 源代码： 访问包的网站： 访问此小插图以获取示例用法： 访问此小插图以获取每个函数用法的示例输出： 执照

金融时间序列技术分析Python库

精心编写的R语言时间序列模型（主要为Arima模型），程序里我给出了很详细的备注，相信即使是编程小白或者统计小白也可以看懂。内容包含数据集